MySQL Big5轉utf8及亂碼問題解決

[yehlu]

1、MySQL 新版的變化：
MySQL 4.1 以後對多語言的支持有了很大變化 (這也導致了許多問題的出現)；儘管大部分的地方，MySQL 3 仍然占主導地位；但 MySQL 4.1 是 MySQL 官方推薦的數據庫，(截自目前MySQL己出到了5.2.2)，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 以上與 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 latin1 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，使得這種問題不被重視。但在中文環境使用下因而產生了許多的問題。
2、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 latin1；
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 character_set_server 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 character_set_server；
當選定了一個數據庫時，character_set_database 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character_set_database，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 latin1 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 default_character_set 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 character_set_client，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 character_set_connection 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 character_set_connection 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 character_set_results 指定的字符集。
以一個典型的環境為例，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 default_character_set 為 utf8。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 character_set_client 和 character_set_connection 都是 latin1，此時怪異的事情發生了，實際上是 utf-8 格式的數據，被「當作 latin1」轉換成……居然還是轉換成 latin1，然後再由這個 latin1 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 character_set_results 默認是 latin1，也就輸出為奇怪的東西了。
３、PHP 程序與 MySQL 建立連接：
所以為了解決這些問題，在PHP 程序與 MySQL 建立連接時，於query 之前先執行：
SET character_set_client='utf8'
SET character_set_connection='utf8'
SET character_set_results='utf8'
如上三列編碼都一樣時，可寫成 SET NAMES 'utf8'
上面3個變量的作用是這樣的，client表示客戶端發送過來的字符集，results表示發送到客戶端的字符集（這兩個分開是因為發送過來和發送過去的不一定是同一個客戶端），connection則在客戶端和數據庫起一個連接作用。
如果是租用網路伺服器，首先測試服務器MySQL資料庫是否 >= 4.1，編譯時是否加入了 UTF-8 支持；然後測試數據庫以什麼格式存儲 ($dbEncoding)；
SET NAMES $dbEncoding 。
４、MySQL資料庫big5轉utf8：
步驟一：首先把資料dump出來
由於先前用4.0時我的資料是存成latin1，所以dump出來後要用iconf或piconf把他轉成UTF-8，記得dump出來時要加上-default-character-set=latin1
#mysqldump -u帳號 -p -default-character-set=latin1 資料庫 >output.sql
步驟二：big5轉成utf8
如果原先是Big5的資料， dump出來後就直接把Big5轉成UTF-8即可
#piconv -f big5 -t utf8 output.sql >utf8.sql
如果原先是UTF-8的資料，像是wordpress，dump出來後要先轉成Big5後，再把他轉成UTF-8，因為原先dump出來的是偽裝成UTF-8的lantin1不是真正的UTF-8
#mysqldump -u帳號 -p -default-character-set=latin1 資料庫 >output.sql
#piconv -f utf8 -t big5 output.sql > big5.sql
#piconv -f big5 -t utf8 big5.sql >utf8.sql
步驟三：修改sql檔
1、修改轉成的sql檔中所產生的‘’\”及換行
的問題(有時換行時會成‘\n’)
2、在dump出來的sql檔最前面加上：
SET NAMES utf8;
SET CHARACTER_SET_CLIENT=utf8;
SET CHARACTER_SET_RESULTS=utf8;
再來把每個資料表後面的TYPE=MyISAM;
改成ENGINE=MyISAM DEFAULT CHARSET=utf8;
步驟四：建立新的資料庫
方法1. SQL語法
CREATE DATABASE `abc` DEFAULT CHARACTER SET utf8
COLLATE utf8_general_ci;
方法2. 用phpMyAdmin建立資料庫的，建立時”校對”要選utf8_general_ci
步驟五：import資料
方法1. SQL語法
#mysql -u帳號 -p 資料庫 < utf8.sql
方法2. 直接用phpMyAdmin把他import進去了，import時記得文字編碼檔案要選utf8即可。不過使用phpMyAdmin import 有檔案大小的限制，可先把sql檔分成幾個檔案。
方法3.用Webmin import (我即是用此方法，如滙入不成功還可知在那一行的sql出問題，因有時在轉成utf8時有些因‘許功蓋’會產生一些‘\’)
最後記得檢查看MySQL的my.cnf設定檔內要加入以下設定
[client]
default-character-set=utf8
[mysql]
default-character-set=utf8
[mysqld]
default-character-set=utf8
default-collation=utf8_general_ci