mySQL4.1以上版本数据库乱码问题彻底研究

看到不少用户反映转换完以后是乱码的情况,出现这种现象的主要原因是这类用户使用的都是mysql4.1以上的版本.下面作一个说明,希望出现这个问题的朋友都能耐心的把这个文档看完!!!
原理
注意：本文档只对MySQL 4.1及以上的数据库版本有效，之前的MySQL版本，由于没有提供对字符集的完整支持，因此也不存在此类问题。

MySQL 4.1开始，对多语言的支持有了很大变化 (这导致了问题的出现)。尽管大部分的地方 (包括个人使用和主机提供商)，MySQL 3、4.0 仍然占主导地位；但 MySQL 4.1 是 MySQL 官方推荐的数据库，已经有主机提供商开始提供并将会越来越多；因为 latin1 在许多地方 (下边会详细描述具体是哪些地方) 作为默认的字符集，成功的蒙蔽了许多 PHP 程序的开发者和用户，掩盖了在中文等语言环境下会出现的问题。

MySQL 4.1 对于字符集的指定可以细化到一台机器上安装的 MySQL，其中的一个数据库，其中的一张表，其中的一栏，应该用什么字符集。但是，传统的 Web 程序在创建数据库和数据表时并没有使用那么复杂的配置，它们用的是默认的配置，那么，默认的配置从何而来呢？

编译 MySQL 时，指定了一个默认的字符集，这个字符集是 latin1；
安装 MySQL 时，可以在配置文件 (my.ini) 中指定一个默认的的字符集，如果没指定，这个值继承自编译时指定的；
启动 mysqld 时，可以在命令行参数中指定一个默认的的字符集，如果没指定，这个值继承自配置文件中的；
此时 character_set_server 被设定为这个默认的字符集；
当创建一个新的数据库时，除非明确指定，这个数据库的字符集被缺省设定为 character_set_server；
当选定了一个数据库时，character_set_database 被设定为这个数据库默认的字符集；
在这个数据库里创建一张表时，表默认的字符集被设定为 character_set_database，也就是这个数据库默认的字符集；
当在表内设置一栏时，除非明确指定，否则此栏缺省的字符集就是表默认的字符集；
这个字符集就是数据库中实际存储数据采用的字符集，mysqldump 出来的内容就是这个字符集下的；
想要进行“正确”的存储和得到“正确”的结果，最方便的是在所有query开始之前执行一下：

SET NAMES 'gbk';
其中gbk是数据库字符集。

常见问题解决方案
我的数据使用latin1或其他编码存储中文信息，但phpMyAdmin中中文为乱码
这问题是由于新版本的phpMyAdmin都是强制使用正确的字符集进行数据库连接和显示的，因此如果存储内码和实际内码不一致，phpMyAdmin是无法识别的。对于简体中文，phpMyAdmin可识别gbk/utf8；繁体中文，可识别big5/utf8。如果你确定想使用这种“不正确”的字符集（事实上通常在MySQL 4.1之前大家都是用“不正确”的字符集存储数据的）存储中文论坛数据，那么请使用phpMyAdmin 2.5.x的老版本，他会使用最老和最普通的方式连接数据库，这样便可以正常管理。
我的论坛原来使用Discuz! 4.0.0 RC版本+MySQL 4.1没有问题，但升级到正式版后就有了乱码
浏览这问题前请您先看一下上一个问题的解答，您的情况和上面的情况差不多。RC版本使用“最老和最普通的方式”连接数据库，因此你如果使用“不正确”的字符集存储，事实上是没有问题的，但Discuz! 4.0.0正式版使用了与phpMyAdmin新版本相同的“正确”的数据库字符集，因此导致原来“不正确”的存储和“正确”的连接产生冲突，进而发生乱码。

解决此类问题，有如下两种方案：

更改存储字符集
主要的思想就是把数据库的字符集有latin1改为gbk，big5,或者utf8; 以下操作必须拥有主机权限。假设当前操作的数据库名为：database

导出
首先需要把数据导为mysql4.0的格式，具体的命令如下： mysqldump -uroot -p --default-character-set=latin1 --set-charset=gbk --skip-opt databse > test.sql

--default-characte-set 以前数据库的字符集，这个一般情况下都是latin1的，
--set-charset 导出的数据的字符集，这个可以设置为gbk，utf8,或者big5
导入
首先使用下面语句新建一个GBK字符集的数据库（test）

CREATE DATABASE `test` DEFAULT CHARACTER SET gbk COLLATE gbk_chinese_ci;
然后把刚才导出的数据导入到当前的数据库中就ok了。

mysql -uroot -p --default-character-set=gbk -f test<test.sql
通过以上的导出和导入就把数据库的字符集改为正确的存储方式了。

总结：这种方案比较麻烦，但相对以后则一直都是使用MySQL“正确”的方式进行存储和数据连接，并且新版本phpMyAdmin不会乱码。

更改连接方式
Discuz! 4.0.0
对于Discuz! 4.0.0正式版，您可以找到./include/db_mysql.class.php，将

mysql_query("SET NAMES '".str_replace('-', '', $GLOBALS['charset'])."'");
前面加上“//”，即将其注释掉

Discuz! 4.0.0+
对于Discuz! 4.0.0以后的版本，已经支持在config.inc.php中使用单独的$dbcharset来设定数据库字符集，因此可根据您的实际情况选择留空（与$charset的设置相同），或指定为特定的数据库字符集（如latin1）

总结：折衷方案。数据使用“不正确”的内码存储，但显示和使用能够正常，phpMyAdmin新版本乱码，老版本可用。备份和恢复时候需要特别注意字符集问题。

应当如何升级MySQL 4.0的数据到MySQL 4.1+中
如果数据文件中有中文信息，那么将MySQL 4.0的数据文件，直接拷贝到MySQL 4.1中就是不可以的，即便在my.ini中设置了default-character-set为正确的字符集。虽然貌似没有问题，但MySQL 4.1的字符集有一处非常恼人的地方，以gbk为例，原本MySQL 4.0数据中varchar,char等长度都会变为原来的一半，这样存储中文容量不变，而英文的存储容量就少了一半。这是直接拷贝数据文件带来的最大问题。

所以，升级的根本，如果想使用“正确”的字符集，还是先用mysqldump导出成文件，然后导入。

至于如果原来用的latin1，现在在MySQL 4.1中还想继续“错误的”使用latin1，那么只需把default-character-set设置为latin1，并且在论坛中更改连接方式即可，这样的情况是可以直接拷贝数据文件的。