mysql中Incorrect string value乱码问题解决方案

mysql中Incorrect string value乱码问题解决方案

 

你是否遇到过类似以下错误？

java.sql.SQLException: Incorrect string value: '\xF0\x9F\x92\x9C' for column 'content' at row 1.

产生这种异常的原因在于，mysql中的utf8编码最多会用3个字节存储一个字符，如果一个字符的utf8

编码占用4个字节（最常见的就是ios中的emoji表情字符），那么在写入数据库时就会报错。

mysql从5.5.3版本开始，才支持4字节的utf8编码，编码名称为utf8mb4（mb4的意思是max bytes 4），这种编码方式最多用4个字节存储一个字符。

要想证明这个问题，可以执行以下sql：

select * from
information_schema.CHARACTER_SETS
where CHARACTER_SET_NAME like 'utf8%'

结果如图：

因此，要解决上述异常的发生，需要使用utf8mb4编码。

解决数据库编码后，还需要解决客户端Connection连接对象使用的编码问题。

调用创建的Connection对象执行以下sql：

conn.createStatement().execute("SET names 'utf8mb4'");

如果项目中使用了DataSource数据源，只需要对数据源进行相关配置即可，这里以apache的DBCP数据源为例讲解，在spring框架下配置如下：

<!-- 数据源 -->
	<bean id="dataSource" class="org.apache.commons.dbcp.BasicDataSource">
		<property name="driverClassName" value="com.mysql.jdbc.Driver"></property>
		<property name="url" value="jdbc:mysql://${${data-source.prefix}.data-source.host-name}:3306/${${data-source.prefix}.data-source.db-name}?characterEncoding=utf8&amp;autoReconnect=true&amp;failOverReadOnly=false&amp;maxReconnects=10&amp;allowMultiQueries=true" />
		<property name="username" value="${${data-source.prefix}.data-source.username}" />
		<property name="password" value="${${data-source.prefix}.data-source.password}" />
		<property name="maxActive" value="150" />
		<property name="maxIdle" value="2" />
		<property name="testOnBorrow" value="true" />
		<property name="testOnReturn" value="true" />
		<property name="testWhileIdle" value="true" />
		<property name="validationQuery" value="select 1" />
		<!-- 此配置用于在创建Connection对象时执行指定的初始化sql -->
		<property name="connectionInitSqls">
			<list>
				<value>set names 'utf8mb4'</value>
			</list>
		</property>
	</bean>

以下解释引用自mysql参考手册：

SET NAMES 'charset_name'

SET NAMES显示客户端发送的SQL语句中使用什么字符集。

因此，SET NAMES 'utf8mb4'语句告诉服务器：“将来从这个客户端传来的信息采用字符集utf8mb4”。它还为服务器发送回客户端的结果指定了字符集。（例如，如果你使用一个SELECT语句，它表示列值使用了什么字符集。）

SET NAMES 'x'语句与这三个语句等价：

mysql> SET character_set_client = x;

mysql> SET character_set_results = x;

mysql> SET character_set_connection = x;

执行完此sql语句后，通过此连接对象后续创建的Statement都会成功地执行了。

讲到这里，问题已经得到完美解决，但是我又联想到一个新的问题：

jvm虚拟机运行时，内存中的字符串采用utf-16编码，对于ios中的emoji表情这种用4字节utf-8编码存储的字符，在java运行时又是怎样存储的呢？

于是，我找了一个emoji字符（4个字节的值分别为0xf0,0x9F,0x92,0x9c），做了以下试验。

byte[] bytes = new byte[] { (byte) 0xf0, (byte) 0x9F, (byte) 0x92, (byte) 0x9c };
		String s = new String(bytes, Charset.forName("utf-8"));
		System.out.println("length:"+s.length());
		for (int i=0;i<s.length();i++) {
			int ch = s.charAt(i);
			System.out.println("0x"+Integer.toHexString(ch));
		}

执行结果如下：

由结果可以看出，unicode值（也叫codePoint码点，后面介绍API会用到）大于0xffff的单个字符，jvm内部占用2个char的长度（也就是4个字节）存储。

所有大于0xffff的字符，全都在UTF编码表的辅助平面内（域辅助平台对应的是基础平面，简称BMP）。因此对于String中的某个char，是基础平面字符，还是辅助平面字符的一部分，也很好做出判断。下面介绍java.lang.Character中的一些API：

以下描述中，码点即是字符的unicode值

Character中API	描述
isValidCodePoint(int codePoint):boolean	判断输入码点是否是有效的，所有属于UTF定义平面的码点都是有效的
isBmpCodePoint(int codePoint):boolean	判断输入码点是否属于基础平面，即：0x0000~0xffff
isSupplementaryCodePoint(int codePoint):boolean	判断输入码点是否属于辅助平面，即：码点>0xffff
isSurrogate(char ch):boolean	判断输入的字符是否辅助平面字符的一部分

获取String中某个字符的码点也很容易，调用String.codePointAt(int index):int即可。

最后，关于unicode、UCS-2、UCS-4、UTF-8、UTF-16编码之间的关系，请读者自行百度。文章太多了，在此就不多做介绍了。

参考资料：

• mysql utf8mb4与emoji表情：

http://my.oschina.net/wingyiu/blog/153357

• 关于 MySQL UTF8 编码下生僻字符插入失败/假死问题的分析