如何使用java代码来模拟mysql charset转换？

Question

用java程序在MySQL client.For示例执行的SQL命令期间嘲笑字符集转换：

mysql> show variables like 'character%'; 
+--------------------------+---------------------------------------+ 
| Variable_name   | Value         | 
+--------------------------+---------------------------------------+ 
| character_set_client  | gbk         | 
| character_set_connection | latin1        | 
| character_set_database | latin1        | 
| character_set_filesystem | binary        | 
| character_set_results | gbk         | 
| character_set_server  | utf8mb4        | 
| character_set_system  | utf8         | 
| character_sets_dir  | /opt/mysql/server-5.6/share/charsets/ | 
+--------------------------+---------------------------------------+ 
mysql> show create table t4\G 
*************************** 1. row *************************** 
    Table: t4 
Create Table: CREATE TABLE `t4` (
`data` varchar(100) DEFAULT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=latin1 
mysql> insert into t4 select '\U+1F600'; 
mysql> select data,hex(data) from t4; 
+------+-----------+ 
| data | hex(data) | 
+------+-----------+ 
| ?? | 3F3F  | 

从MySQL文件（https://dev.mysql.com/doc/refman/5.0/en/charset-connection.html），似乎数据首先从我的操作系统的字符集（UTF8）到客户端转换（gbk），然后从gbk（客户端）到latin1（连接）。因此，基于上述理解，我编写了一个java测试程序员来模拟这种看不见的转换。请看下图：

/** 
* os utf-8 
* character_set_client gbk 
* character_set_connection latin1 
* field latin1 
* 
* @throws UnsupportedEncodingException 
*/ 
@Test 
public void test_os_utf8_to_client_gbk_to_connection_latin1() throws UnsupportedEncodingException{ 
    String emoji = ""; 
    String receivedStr = new String(emoji.getBytes("utf-8"),"gbk"); //os(utf-8)-->client(gbk) 
    System.out.println(receivedStr);//馃榾 
    String convertedStr = new String(receivedStr.getBytes("latin1"),"latin1"); //client(gbk) --> connection(latin1) 
    System.out.println(convertedStr);//?? 
    printHexString(convertedStr.getBytes("latin1")); //3f 3f 

}

上面的代码可以得到相同的结果，实际操作MySQL。 我想知道这个模拟背后的原理是正确的还是恰到好处的？

Answer 1

是一个4字节的utf8字符。在MySQL中，它需要CHARACTER SET utf8mb4，而不是utf8。 （外界称之为utf8或UTF-8，但MySQL有一个区别。）

\U+1F600还表示，这将是UTF8 4个字节，因为它比FFFF更大。

馃榾可以在MySQL的utf8或utf8mb4中呈现。这是十六进制E9A683 E6A6BE。

latin1对于这两种情况都不是很好的MySQL CHARACTER SET。它可以被使用（虽然不是你尝试的方式），但只是因为latin1未能检查字节的有效性。 全部 8位值在latin1中有一些含义。但是，您可能会得到😀的表情符号或馃榾这对中文字符。

您的六个character%的混合设置是简单的要求麻烦。尝试从默认值开始，然后使用SET NAMES正好更改其中的三个。 3是_client,_connection和_results。

问号，是因为：

• 你有UTF8编码的数据（好）
• SET NAMES latin1已生效（默认，但错）
• 列被宣布CHARACTER SET latin1（默认值，但错误）

无法从表格中检索数据。

做正确的事情，

• UTF8编码的数据（好）
• 建立utf8mb4从客户机到服务器的连接时
• 检查柱子（S）和/或表默认是CHARACTER SET utf8mb4
• 如果您在网页上显示，<meta...charset=utf-8>应该靠近顶部。

（两个那些指定utf8mb4因为他们所谈论到MySQL;另外两个是比较通用的utf8。）

你提到gbk。如果客户端中的字节编码为“gbk”，则继续本段。 （我怀疑它们不是，因为Java喜欢处理Unicode，因此是UTF8）。如果已建立SET NAMES gbk，则可以在客户端中有gbk字节。这意味着gbk编码的字节将被转码到/从表的CHARACTER SET。注：latin1不可以容纳汉字，也不是表情符号，所以CHARACER SET latin1不是有效的对象。 CHARACTER SET gbk或utf8mb4应该可以工作。 （此外，我怀疑gbk不能保存表情符号，所以utf8mb4可能是唯一合理的选项，并且SET NAMES gbk可能不起作用。）