MySQL移植含有中文的數據時，很容易出現亂碼問題。很多是在從MySQL4.x向MySQL5.x移植的時候出現。MySQL的缺省字符集是latin1，在使用MySQL4.x的時候，很多人都是用的latin1字符集。而當使用MySQL5時往往愿意使用UTF-8。那么我們的任務是不是要把數據中的字符從latin1轉為UTF-8呢？不是的。

用一句不大準確，但又比較形象的說法是，在之前的系統中，我們是用latin1保存了使用GB系列字符集（GBK、GB2312等）的漢字。怎么這樣說呢？

mysql> show create table test\G
*************************** 1. row 
Table: test
Create Table: CREATE TABLE `test` (
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
1 row in set (0.00 sec)

mysql> show create table testlatin1\G
*************************** 1. row *
Table: testlatin1
Create Table: CREATE TABLE `testlatin1` (
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1
1 row in set (0.01 sec)

字符集是告訴我們，如果沒有特別指定列的字符集，那么字符類型列的字符集與表的缺省字符集一樣。

列的字符集是要告訴MySQL，這里面保存的字符所使用的字符集是什么。但到底保存的是什么字符集的字符，不由MySQL決定，MySQL也不進行檢查。

在UTF-8廣泛使用之前，我們使用的漢字都是GB系列的字符集，比如GB2312、GBK、GB18030等等。

在缺省字符集為latin1的MySQL中，我們通常就把GB字符集的漢字保存到數據庫中，但是卻告訴MySQL那是latin1字符集。而GB字符集是一個漢字占兩個字節，latin1是一個字符占一個字節。也就是說一個GB漢字被當成兩個latin1字符來保存了。這讓我想起了當初的iso8859_1，也是類似的情況。只要我們保存和讀取時都當作latin1，不進行轉換，然后在顯示時當作GB字符集，就能夠正確使用。

那么怎么把latin1保存的漢字正確地導UTF-8字符集的數據庫中呢？

首先，新的數據庫中的列，要使用UTF-8字符集。一種辦法是創建database時指定缺省字符集，這樣在建表時如果不指定字符集則使用database的缺省字符集。

導出的數據要以latin1字符集導出，實際上就是告訴MySQL導出時不做轉換（因為原有的表都是latin1字符集的）。

mysqldump出來以后，再用MySQL進行導入時，還要告訴MySQL，當前的數據是gb系列的字符集，比如gbk。這樣，MySQL負責把數據由gbk轉換為UTF-8，保存到數據庫中。

如何告訴MySQL導入的SQL是什么字符集呢，一種方法是用--default-character-set，但有時會起不到實際作用。這是因為mysqldump出來的文件里有set names語句。比如：

head EA192.060913.sql 

-- MySQL dump 10.10
--
-- Host: localhost Database: EA192
-- ----------------------------------
-- Server version 5.0.16-standard-log

/*!40101 SET @OLD_CHARACTER_SET_CLIENT
=@@CHARACTER_SET_CLIENT */;
/*!40101 SET @OLD_CHARACTER_SET_RESULTS
=@@CHARACTER_SET_RESULTS */;
/*!40101 SET @OLD_COLLATION_CONNECTION
=@@COLLATION_CONNECTION */;
/*!40101 SET NAMES latin1 */;

/*! */是MySQL特有有句法，在其他數據庫會被當成注釋忽略掉。/*!后面的40101是表示版本，在4.1.1及以上版才執行該條語句。

這里看到有一條SET NAMES latin1。它的一個作用是告訴mysql，客戶端傳過去的數據是latin1字符集。因為有這樣一條SET NAMES，--default-character-set也就起不到作用了。如果不幸有這樣一條SQL，那么需要把它去掉或者改成SET NAMES gbk。修改或者刪除的辦法，當數據量比較大的時候，可以用head和tail來配合。比如還是上面的那個文件：

先用head看一下SET NAMES在第幾行（數一下），上面看到是第10行。

wc -l EA192.060913.sql 
1987 EA192.060913.sql
得到總行數是1987

head -9 EA192.060913.sql > final.sql
brum@brum-laptop:~$ tail -1977 EA192.060913.sql
 >> final.sql 
brum@brum-laptop:~$

head -9是取前9行，tail -1977是取后1977行，這樣就把第10行隔過去了。

得到final.sql再用MySQL運行時，就可以使用--default-character-set=gbk了。

還有一種辦法是mysqldump時使用--set-charset=false，這樣就不會出現SET NAMES了。

目前為止，還可能有問題，出在create table的SQL中，比如：

DROP TABLE IF EXISTS `test`;
CREATE TABLE `test` (
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1;

這里仍然有個CHARSET=latin1，它將導致新創建的表的缺省字符集是latin1，而不是我們想要的UTF8。

怎么辦呢，如果數據量不大的話，可以考慮用編輯器把它去掉或者改成UTF8，如果數據量大的話可以考慮用sed，但可能仍然時間比較長。

還有一種辦法就是mysqldump，使用--create-options=false，不導出表的創建屬性。但如果導出的表的存儲引擎不同的話就有問題了，因為引擎類型（innodb、myisam等）都被忽略了。

此外，mysqldump導出時，不要使用-B，而是直接指定一個database名字，目的是不出現CREATE DATABASE語句，因為其中也可能會有缺省字符集的子句，會影響那些未在CREATE TABLE中指定字符集的表。如果你導出的SQL中有CREATE DATABASE，那么需要注意一下有沒有字符集的子句，如果有的話，也需要修改。

好了，通過上述方法導出或者處理過的導出文件可以使用mysql --default-character-set=gbk來導入了。

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com