有关字符，字节以及编码

一 字符，字节以及编码

字符是人们常用的一些记号，比如"1", "汉", "お","℃"等等，包括各种语系的语言和一些符号都可以被称为字符。

字节是计算机存储数据的存储单元，是一个8位的二进制数，所以最多只能表示256个数字（0-255）。

编码是大家对计算机如何使用字节来表示一个字符的约定，可分为ASCII编码，ANSI编码（本地化编码），UNICODE编码（国际化编码）三种。

1.ASCII编码：单字节编码。

最初的编码，由一个字节组成，因此只能表示256个字符，但只表示0-9，a-z，A-Z，和一些加减乘除百分号，够老美用了。

后来ISO国际标准组织以ASCII编码为基础，约定了ISO 8859-1编码，又称Latin1编码。（Mysql的默认存储编码）

2.ANSI编码：多字节编码。

如果只有ASCII编码的话，计算机岂不只能表示英文字母和数字还有几个加减乘除号，中文怎么办，阿拉伯文怎么办，日文怎么办？

由于一个字节只能表示255个数字，所以中国约定了GBK编码规则，约定用0x80-0xFF范围内的某两个字节来表示某一个中文字符。

日本约定了JIS编码规则，他们约定0x80-0xFF范围内的某两个字节来表示某个日文字符。

台湾约定了BIG5编码规则，约定0x80-0xFF范围内的某两个字节表示某个繁体中文字符。

所以我们拿到了一个ANSI字节串的时候，我们还必须知道这个字节串的编码，才能将这个字节串转换成相应国家的字符串。

3.UNICODE编码：宽字节编码

ANSI编码有很多种，但是都只是规定自己国家的语言，这时候出现了UNICODE编码，该编码类似于ANSI，使用多个字节表示一个字符，UNICODE编码把世界上各种主要语言都进行了编码，当然UNICDOE编码也出现了很多种编码方案，比如使用8个二进制位的UTF8以及使用16个二进制位的UTF16等等。

二 有关MYSQL的编码问题

1 MYSQL的默认编码为latin1，就是那个只能存储英文字母，数字，和几个鬼画符的编码。

2 MYSQL的字符集设定有以下几项

character_set_client
character_set_connection
character_set_database
character_set_results
character_set_server
character_set_system

3 通过修改my.ini配置文件中的default-character-set=utf8可以将database,server,system修改为utf8，但无法修改client,connection,results。

运行 "SET NAMES UTF8" 之后，client,connection,result即为UTF8。

4 关于mysql的编码的一些备忘知识：

通过设置character_set_client，告诉Mysql，存进MYSQL的数据是什么编码方式。如果存进去的是gbk，而数据列的格式为utf8，则mysql将gbk转换成utf8后存入。
通过设置character_set_results，告诉Mysql，PHP需要取什么样编码的数据。
通过设置character_set_connection，告诉Mysql，PHP执行的查询语句中的文本，使用什么编码。

因此，要提高效率的话，尽量将php与mysql设置为相同的字符集，避免了编码的转换。

Mysql可以设置服务器级字符集、数据库级字符集、数据表级字符集、表列的字符集，实际上，最终使用字符集的地方是存储字符的列。

通常情况下，只需设置服务器级的字符集，其它的数据库级，表级，以及列级的字符集，都继承自服务器级字符集。

5 PHP+MYSQL乱码的常见原因：

数据库使用UTF8格式存储数据，但php读取数据时未执行"SET NAMES UTF8"语句，所以character_set_results的值为latin1，所以读取数据时，mysql将utf8格式的数据转换成为了latin1格式，latin1根本无法表示多字节字符，从而导致从数据库读到很多乱码。

6 网页的乱码问题

网页要保证页面源文件的编码和META里面声明的charset的编码一致，就不会产生乱码。

但是注意META要写在TITLE的前面，因为META中指定了编码，TITLE如果是中文，而且在META前面，浏览器在解析到中文TITLE的时候因为还没解析到META，所以不知道这个页面应该用什么编码呈现，从而导致了出现问题。