网站使用标题做路径建设工程信息网评价起评分

场景

需求是同步一份包含中文等多列数据表到另一个MySQL里面去，同步平台用的是阿里云的maxcomputer，需求比较简单，就是创建一个数据同步任务。

问题描述

首先是maxcomputer，这个版本不会有其他问题，数据平台同步功能是靠数据资源组来同步的，只有数据资源组能够访问到目标的Mysql，我们才能同步过去，所以需要先配置数据源，资源组用的一般用的都是弹性公网IP，为一组，只需要取其中一个IP地址，添加进对方白名单即可。

然后问题就在与mysql5.7对于中文编码的限制问题，当前 MySQL 5.7 实例的字符集相关变量（character_set_client、character_set_connection、character_set_database 等）值多为 latin1 ，latin1 是单字节编码，不支持中文，这就是插入中文出现 ?? 乱码的原因。

我们先把能够编码存储中文的字符编码（Character Set） 和 排序规则（Collation）梳理一下。

一、常见字符编码对比

utf8mb4（推荐）

• 特点：
  • 支持所有 Unicode 字符（包括 emoji、繁体字、罕见符号）。
  • 每个字符占用 1-4 字节（如：英文字母占 1 字节，中文占 3 字节，emoji 占 4 字节）。
• 适用场景：存储任意语言的文本，尤其是包含特殊符号或 emoji 的内容。
• 排序规则：常用 utf8mb4_unicode_ci（不区分大小写）或 utf8mb4_bin（按二进制比较）。

utf8（不推荐）

• 特点：
  • 是 utf8mb4 的子集，仅支持 3 字节 Unicode 字符（基本涵盖常见中文，但不包括所有 emoji 和罕见字符）。
  • 每个字符占用 1-3 字节。
• 风险：存储 4 字节字符（如 🔥、👨‍👩‍👧‍👦）会报错：Incorrect string value: '\xF0\x9F\x98\x84'。
• 建议：避免使用，改用 utf8mb4。

gbk/gb2312（旧标准）

• 特点：
  • 专门为中文设计，gbk 支持简体和繁体，gb2312 仅支持简体。
  • 每个字符占用 1-2 字节（中文占 2 字节，英文占 1 字节）。
• 局限性：
  • 不支持 Unicode，无法存储其他语言（如日语、韩语）或特殊符号。
  • 逐渐被 utf8mb4 取代。

二、编码与排序规则的关系

• 字符编码：定义如何存储字符（如 utf8mb4 用 4 字节存 emoji）。
• 排序规则：定义如何比较和排序字符（如 _ci 表示不区分大小写）。
• 示例：

utf8mb4_unicode_ci  -- utf8mb4 编码，不区分大小写排序
utf8mb4_bin         -- utf8mb4 编码，按二进制值排序（区分大小写）

三、MySQL 编码配置

1. 查看当前编码设置

SHOW VARIABLES LIKE 'character_set_%';
SHOW VARIABLES LIKE 'collation_%';

典型输出：

Variable_name	Value
character_set_server	utf8mb4
collation_server	utf8mb4_unicode_ci

2. 修改全局编码（推荐）

编辑 MySQL 配置文件 my.ini（Windows）或 my.cnf（Linux）：

[client]
default-character-set = utf8mb4[mysql]
default-character-set = utf8mb4[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci

重启 MySQL 服务后生效。

3. 创建表时指定编码

CREATE TABLE users (name VARCHAR(50)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

4. 临时修改会话编码

SET NAMES utf8mb4;  -- 等价于设置以下三个变量
SET character_set_client = utf8mb4;
SET character_set_results = utf8mb4;
SET character_set_connection = utf8mb4;

四、常见编码问题及解决

1. 插入 emoji 报错

• 错误信息：

Incorrect string value: '\xF0\x9F\x98\x84' for column 'name' at row 1

• 原因：表或字段使用 utf8 编码，无法存储 4 字节字符。
• 解决：

ALTER TABLE users CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2. 查询结果显示乱码（如 中文）

• 原因：客户端、连接、服务器编码不一致。
• 解决：
  • 确保 my.ini 配置正确。
  • 连接时指定编码（如 JDBC URL 添加 ?useUnicode=true&characterEncoding=utf8mb4）。

3. 排序不符合预期（如中文按拼音排序）

• 原因：排序规则选择不当（如 utf8mb4_general_ci 对中文排序不准确）。
• 解决：

ALTER TABLE users MODIFY name VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

最佳实践

• 统一使用 utf8mb4：所有表、字段、连接均使用 utf8mb4，避免编码不一致导致的问题。
• 配置服务器默认编码：修改 my.ini，确保新创建的表默认使用 utf8mb4。
• 验证编码设置：

SELECT CHARSET('测试');  -- 应返回 'utf8mb4'

1. 避免在 SQL 中手动转换编码：依赖 MySQL 自动转换可能导致意外结果。

通过合理配置编码和排序规则，MySQL 可以完美支持中文及全球各种语言的文本存储与处理。