mysql字符设置乱码问题

在操作系统中对于任意一个字符而言是没有编码格式概念的；同样的字母在不同的编码集里面可能代表不同的东西；关键在于你用什么样的软件打开它，软件本身是以什么样的编码格式来显示你的字符，那么你的字符当前就是什么编码；就看你用什么编码集来查看你的字符了；

在程序开发中，编码最终的呈现与系统编码，项目编码(如你的项目是以什么编码格式编译以及启动的)，文件编码都有关系；比如你在编辑器中你用GBK的编码编写的Java文件，在打包的时候JDK以UTF-8形式编码就会出错，所以这个时候保持编码一致就很重要了，类似比如你在idea中编译或在maven下编译都是如此；

字符串在计算机中都是以字节形式表现的，如果不指定编码是无法看到正确的字符串的；先来了解一下常见的编码：

1.iso8858-1:

属于单字节编码,最多能表示的字符范围是0-255,应用于英文系列。比如,字母a的编码为0x61=97。

很明显,iso8859-1编码表示的字符范围很窄,无法表示中文字符。但是,由于是单字节编码,和计算机最基础的表示单位一致,所以很多时候,仍旧使用 iso8859-1编码来表示。而且在很多协议上,默认使用该编码。比如,虽然"中文"两个字不存在iso8859-1编码,以gb2312编码为例,应该是"d6d0 cec4"两个字符,使用iso8859-1编码的时候则将它拆开为4个字节来表示:"d6 d0 ce c4"(事实上,在进行存储的时候,也是以字节为单位处理的)。而如果是UTF编码,则是6个字节"e4 b8 ad e6 96 87"。很明显,这种表示方法还需要以另一种编码为基础。

2.gb2312/gbk:

这就是汉子的国标码,专门用来表示汉字,是双字节编码,而英文字母和iso8859-1一致(兼容iso8859-1编码)。其中gbk编码能够用来同时表示繁体字和简体字,而 gb2312只能表示简体字,gbk是兼容gb2312编码的。

3.unicode:

这是最统一的编码,可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。所以可以说它是不兼容iso8859-1编码的,也不兼容任何编码。不过,相对于iso8859-1编码来说,uniocode编码只是在前面增加了一个0字节,比如字母a为"00 61"。

需要说明的是,定长编码便于计算机处理(注意GB2312/GBK不是定长编码),而unicode又可以用来表示所有字符,所以在很多软件内部是使用 unicode编码来处理的,比如java。

4.UTF8

虑到unicode编码不兼容iso8859-1编码,而且容易占用更多的空间:因为对于英文字母,unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而产生了utf编码,utf编码兼容iso8859-1编码,同时也可以用来表示所有语言的字符,不过,utf编码是不定长编码,每一个字符的长度从1-6个字节不等。另外,utf编码自带简单的校验功能。一般来讲,英文字母都是用一个字节表示,而汉字使用三个字节。

注意,虽然说utf是为了使用更少的空间而使用的,但那只是相对于unicode编码来说,如果已经知道是汉字,则使用GB2312/GBK无疑是最节省的。不过另一方面,值得说明的是,虽然utf编码对汉字使用3个字节,但即使对于汉字网页,utf编码也会比unicode编码节省,因为网页中包含了很多的英文字符。

utf8与utf-8：在数据库(mysql)中只能用utf8不能用utf-8；而在http请求中content-Type的charset是用UTF-8; 如text/html;charset=UTF-8其中后面的charset保证了text/html是utf-8格式的。

编码之间转换问题，

val str = "中国"
val char1 = str.getBytes("ISO-8859-1")
val char2 = str.getBytes("GBK")
val char3 = str.getBytes("UTF-8")
val v1 = new String(char1, "ISO-8859-1")
val v2 = new String(char2, "GBK")
val v3 = new String(char3, "UTF-8")
println(v1)
println(v2)
println(v3)

其中v1和v2都能正确显示编码

val v4 = new String(v3.getBytes("GBK"), "GBK")

println(v4) 
将v3编码成gbk,然后以gbk编码方式解码，正确显示编码; gbk是中文字符集，在java中会被先转换成Unicode码，然后在转换成相应的Unicode码

如果你的编码是gbk的中文，你在去转换utf-8你看到的都是乱码，一般都是采用先转换成gbk,然后在转换utf-8才能正确查看编码:

val v5 = new String(v2.getBytes("UTF-8"), "UTF-8")

println(v5)

所以如果你本身是什么样的编码，就要转成相应的编码，在去转成其他你想要的编码才能成功

mysql读取字符乱码问题

一般如果我们保证mysql编码格式，http编码格式，页面编码格式一致的话编码可以正确显示成功：

例：jdbc:mysql://localhost/DBVF?useUnicode=true&characterEncoding=utf8 如果你数据库的编码是gbk，访问的时候会自动转换成utf8;如果是utf8就不需要？后面参数了

show variables like '%charecter%'  可以查看数据的库的编码

show variables like 'collation_%'

character_set_results表示返回的数据是以utf8形式返回的；当然在java读取数据库之前：

执行set character set 'utf8'或者写入执行set character set 'utf8' 都可以保证编码正确

参考：mysql编码格式介绍 http://www.2cto.com/database/201412/363509.html

mysql编码转换过程http://cenalulu.github.io/mysql/mysql-mojibake/

统一分析：

1.linux环境上编码问题

如果是centeros可以先安装中文包 yum groupinstall "Chinese Support"

编辑/etc/sysconfig/i18n，修改内容如下：

LANG="zh_CN.UTF-8"

SUPPORTED="zh_CN.UTF-8:zh_CN:zh:en_US.UTF-8:en_US:en"

SYSFONT="latarcyrheb-sun16"

编辑/etc/profile，加入： etc/profile为全局环境变量

export LC_ALL=zh_CN.UTF-8

2.JVM设置：

JVM的缺省编码方式由系统的“本地语言环境Locale”设置确定。JVM的file.encoding属性，这个属性确定了JVM的缺省的编码/解码方式：从而影响应用中所有字节流==>字符流的解码方式 ，字符流==>字节流的编码方式。JVM会根据操作系统的Locale设置自动调整语言环境。基本不用设置。

3.web容器：

一般的web容器默认编码格式都是以iso8859-1

tomcat:

为了使Tomcat支持中文文件名并且让Tomcat能够自己处理Get方式传递过来的参数，那么我们已经在Tomcat安装目录下的conf/server.xml里头修改如下：

<Connectorport="8080" protocol="HTTP/1.1"

connectionTimeout="20000"

redirectPort="8443" URIEncoding="UTF-8"/>

注意一种特殊情况，如果在程序中调用response.sendRedirect()方法重定向到中文文件名的页面，需要以如下方式调用：

response.sendRedirect(java.NET.URLEncoder.encode(“中文.html”,”UTF-8”))

也就是在使用重定向语句的时候，需要用java.Net.URLEncoder的静态方法 encoder() 按照指定的编码手动转码。

4.html页面：需要指定一致的编码格式如jsp：

关于JSP页面中的pageEncoding和contentType两种属性的区别：

pageEncoding是jsp文件本身的编码

contentType的charset是指服务器发送给客户端时的内容编码

JSP要经过两次的“编码”，第一阶段会用pageEncoding，第二阶段会用utf-8至utf-8，第三阶段就是由Tomcat出来的网页， 用的是contentType。

第一阶段是jsp编译成.java，它会根据pageEncoding的设定读取jsp，结果是由指定的编码方案翻译成统一的UTF-8 JAVA源码（即.java），如果pageEncoding设定错了，或没有设定，出来的就是中文乱码。

第二阶段是由JAVAC的JAVA源码至JavabyteCode的编译，不论JSP编写时候用的是什么编码方案，经过这个阶段的结果全部是UTF-8的encoding的java源码。

JAVAC用UTF-8的encoding读取java源码，编译成UTF-8 encoding的二进制码（即.class），这是JVM对常数字串在二进制码（java encoding）内表达的规范。

第三阶段是Tomcat（或其的application Container）载入和执行阶段二的来的JAVA二进制码，输出的结果，也就是在客户端见到的，这时隐藏在阶段一和阶段二的参数contentType就发挥了功效。

对于每个JSP页面，为了让它使用Utf-8的编码去返回给浏览器，那么加入下面一行在页面开始是必不可少的：

<%@page contentType="text/html;charset=utf-8"%>

5.http设置：

request.setCharacterEncoding("utf-8")。

HTTP header 里面，Content-Type 这一条目的写法就是 "text/html; charset=utf-8"

这一串信息描述的是内容的格式：

设计的角度来讲
因为“text/html; charset=utf-8” 这一串信息所描述的就是一个属性：内容的格式（即Content-Type）。
XML的设计，并不是为了数据存储与查询，而是为了规范、合理、统一地描述数据。所以XML的属性设计与数据库表的字段设计并不一样。从数据库表设计的角度，把text/html; charset=utf-8拆成两个甚至三个字段都是合理的。但是对于XML而言并不是这样。这三个属性的作用很明确而且无歧义：保证数据接受者能正确解析其内容。单独拿出来任何一个属性都做不到这一点。那么对于XML而言，它们就应该被放在一起。

从标准与历史的角度来讲
另外，第一版的HTML标准，出现在1993年：http://www.w3.org/MarkUp/draft-ietf-iiir-html-01.txt
Content-Type这个东西的出现，却可以追溯到1988年：http://tools.ietf.org/html/rfc1049

http协议参考：

http://kb.cnblogs.com/page/130970/