A MySQL 4.1 Story

woff

下面要寫的是一篇非常無聊的東西，充斥了大量各式各樣的編碼、轉換、客戶端、服務器端、連接……呃，我自己都不願意去看它，但想一想，寫下來還是有點意義的，原因有四：

• MySQL 4.1 對多語言的支持有了很大變化 (這導致了問題的出現)；
• 儘管大部分的地方 (包括個人使用和主機提供商)，MySQL 3 仍然占主導地位；但 MySQL 4.1 是 MySQL 官方推薦的數據庫，已經有主機提供商開始提供並將會越來越多；
• 許多 PHP 程序以 MySQL 作為默認的數據庫管理軟件，但它們一般不區分 MySQL 4.1 與 4.1 以下版本的區別，籠統地稱「MySQL 3.xx.xx 以上版本」就滿足安裝需求了；
• 因為 utf8 在許多地方 (下邊會詳細描述具體是哪些地方) 作為默認的字符集，成功的蒙蔽了許多 PHP 程序的開發者和用戶，掩蓋了在中文等語言環境下會出現的問題；

簡單的說，MySQL 自身的變化和使用 MySQL 的 PHP 程序對此忽略，導致了問題的出現和複雜化，而由於大部分用戶使用的是英文，使這種問題不被重視。這裡提到的 PHP 程序，主要就 WordPress 而言。
MySQL 4.1 字符集支持的原理MySQL 4.1 對於字符集的指定可以細化到一台機器上安裝的 MySQL，其中的一個數據庫，其中的一張表，其中的一欄，應該用什麼字符集。但是，傳統的 Web 程序在創建數據庫和數據表時並沒有使用那麼複雜的配置，它們用的是默認的配置，那麼，默認的配置從何而來呢？

• 編譯 MySQL 時，指定了一個默認的字符集，這個字符集是 utf8；
• 安裝 MySQL 時，可以在配置文件 (my.ini) 中指定一個默認的的字符集，如果沒指定，這個值繼承自編譯時指定的；
• 啟動 mysqld 時，可以在命令行參數中指定一個默認的的字符集，如果沒指定，這個值繼承自配置文件中的；
• 此時
  1. character_set_server

  複製代碼
  被設定為這個默認的字符集；
• 當創建一個新的數據庫時，除非明確指定，這個數據庫的字符集被缺省設定為
  1. character_set_server

  複製代碼
  ；
• 當選定了一個數據庫時，
  1. character_set_database

  複製代碼
  被設定為這個數據庫默認的字符集；
• 在這個數據庫裡創建一張表時，表默認的字符集被設定為
  1. character_set_database

  複製代碼
  ，也就是這個數據庫默認的字符集；
• 當在表內設置一欄時，除非明確指定，否則此欄缺省的字符集就是表默認的字符集；
• 這個字符集就是數據庫中實際存儲數據採用的字符集，mysqldump 出來的內容就是這個字符集下的；

簡單的總結一下，如果什麼地方都不修改，那麼所有的數據庫的所有表的所有欄位的都用 utf8 存儲，不過我們如果安裝 MySQL，一般都會選擇多語言支持，也就是說，安裝程序會自動在配置文件中把

1. default_character_set

複製代碼

設置為 UTF-8，這保證了缺省情況下，所有的數據庫的所有表的所有欄位的都用 UTF-8 存儲。
當一個 PHP 程序與 MySQL 建立連接後，這個程序發送給 MySQL 的數據採用的是什麼字符集？MySQL 無從得知 (它最多只能猜測)，所以 MySQL 4.1 要求客戶端必須指定這個字符集，也就是

1. character_set_client

複製代碼

，MySQL 的怪異之處在於，得到的這個字符集並不立即轉換為存儲在數據庫中的那個字符集，而是先轉換為

1. character_set_connection

複製代碼

變量指定的一個字符集；這個 connection 層究竟有什麼用我不大明白，但轉換為

1. character_set_connection

複製代碼

的這個字符集之後，還要轉換為數據庫默認的字符集，也就是說要經過兩次轉換；當這個數據被輸出時，又要由數據庫默認的字符集轉換為

1. character_set_results

複製代碼

指定的字符集。
一個典型的環境典型的環境以我自己的電腦上安裝的 MySQL 4.1 為例，我自己的電腦上安裝著 Apache 2，PHP 5 和 WordPress 1.5.1.3，MySQL 配置文件中指定了

1. default_character_set

複製代碼

為

1. utf8

複製代碼

。於是問題出現了：

• WordPress 按照默認情況安裝，所以所有的表都用 UTF-8 存儲數據；
• WordPress 默認採用的瀏覽字符集是 UTF-8 (Options->Reading 中設置)，因此所有 WP 頁面的 meta 中會說明 charset 是 utf-8；
• 所以瀏覽器會以 utf-8 方式顯示所有的 WP 頁面；這樣一來 Write 的所有 Post，和 Comment 都會以 UTF-8 格式從瀏覽器發送給 Apache，再由 Apache 交給 PHP；
• 所以 WP 從所有的表單中得到的數據都是 utf-8 編碼的；WP 不加轉換的直接把這些數據發送給 MySQL；
• MySQL 默認設置的
  1. character_set_client

  複製代碼
  和
  1. character_set_connection

  複製代碼
  都是 utf8，此時怪異的事情發生了，實際上是 utf-8 格式的數據，被「當作 utf8」轉換成……居然還是轉換成 utf8，然後再由這個 utf8 轉換成 utf-8，這麼兩次轉換，有一部分 utf-8 的字符就丟失了，變成 ??，最後輸出的時候
  1. character_set_results

  複製代碼
  默認是 utf8，也就輸出為奇怪的東西了。

最神奇的還不是這個，如果 WordPress 中設置以 GB2312 格式閱讀，那麼 WP 發送給 MySQL 的 GB2312 編碼的數據，被「當作 utf8」轉換後，存進數據庫的是一種奇怪的格式 (真的是奇怪的格式，mysqldump 出來就能發現，無論當作 utf-8 還是當作 gb2312 來讀都是亂碼)，但如果這種格式以 utf8 輸出出來，居然又能變回 GB2312！
這會導致什麼現象呢？WP 如果使用 MySQL 4.1 數據庫，把編碼改用 GB2312 就正常了，可惜，這種正常只是貌似正常。
如何解決問題如果你已經不耐煩了 (幾乎是肯定的)，google 一下，會發現絕大部分的解答是，query 之前先執行一下：

1. SET NAMES 'utf8'

複製代碼

，沒錯，這是解決方案，但本文的目的是說明，這為什麼是解決方案。
要保證結果正確，必須保證數據表採用的格式是正確的，也就是說，至少能夠存放所有的漢字，那麼我們只有兩種選擇，gbk 或者 utf-8，下面討論 utf-8 的情況。
因為配置文件設置的

1. default_character_set

複製代碼

是 utf8，數據表默認採用的就是 utf-8 建立的。這也應該是所有採用 MySQL 4.1 的主機提供商應該採用的配置。所以我們要保證的只是客戶端與 MySQL 交互之間指定編碼的正確。
這只有兩種可能，客戶端以 gb2312 格式發送數據，或者以 utf-8 格式發送數據。
如果以 gb2312 格式發送:

1. SET character_set_client='gb2312' SET character_set_connection='utf8' 或者 SET character_set_connection='gb2312'

複製代碼

都是可以的，都能夠保證數據在編碼轉換中不出現丟失，也就是保證存儲入數據庫的是正確的內容。
怎麼保證取出的是正確的內容呢？考慮到絕大部分客戶端 (包括 WP)，發送數據的編碼也就是它所希望收到數據的編碼，所以:

1. SET character_set_results='gb2312'

複製代碼

可以保證取出給瀏覽器顯示的格式就是 gb2312。
如果是第二種情況，客戶端以 utf-8 格式發送 (WP 的默認情況)，可以採用下述配置:

1. SET character_set_client='utf8' SET character_set_connection='utf8' SET character_set_results='utf8'

複製代碼

這個配置就等價於

1. SET NAMES 'utf8'

複製代碼

。
WP 應該作什麼修改還是那句話，客戶端要發給數據庫什麼編碼的數據，數據庫是不可能確切知道的，只能讓客戶端自己說明白，所以，WP 是必須發送正確的

1. SET...

複製代碼

給 MySQL 的。怎麼發送最合適呢？台灣的 pLog 同仁給出了一些建議：

• 首先，測試服務器是否 >= 4.1，編譯時是否加入了 UTF-8 支持；是則繼續
• 然後測試數據庫以什麼格式存儲 (
  1. $dbEncoding

  複製代碼
  )；
• 1. SET NAMES $dbEncoding

  複製代碼

對於第二點，WP 的情況是不同的，按照上面的典型配置，只要用 WP，肯定數據庫是用 UTF-8 存儲的，所以要根據用戶設置的以 GB2312 還是 UTF-8 瀏覽來判斷 (

1. bloginfo('charset')

複製代碼

)，但這個值是要連接數據庫以後才能得到的，所以效率最高的方式是連接數據庫之後，根據這個配置設置一次

1. SET NAMES

複製代碼

，而不必每次查詢之前都設置一遍。
我的修改方式是這樣的，在

1. wp_includes/wp-db.php

複製代碼

中增加:

1. function set_charset($charset) { // check mysql version first. $serverVersion = mysql_get_server_info($this->dbh); $version = explode('.', $serverVersion); if ($version[0] < 4) return; // check if utf8 support was compiled in $result = mysql_query("SHOW CHARACTER SET like 'utf8'", $this->dbh); if (mysql_num_rows($result) < = 0) return; if ($charset == 'utf-8' || $charset == 'UTF-8') $charset = 'utf8'; @mysql_query("SET NAMES '$charset'", $this->dbh); }

複製代碼

在

1. wp-settings.php

複製代碼

的

1. require (ABSPATH . WPINC . '/vars.php');

複製代碼

後增加:

1. $wpdb->set_charset(get_bloginfo('charset'));

複製代碼

ksauxbmlves

感謝版主  

kf1ukl

ding   支持  

kf1ukl

努力,努力,再努力!!!!!!!!!!!