Znakové sady pro komunikaci klienta se serverem a znakové sady pro uložení dat

Při problému se znakovou sadou je podstatné rozlišovat znakové sady pro:

• komunikaci klienta se serverem
• samotné uložení dat

ad a) Použité znakové sady při komunikaci server/klient ovlivňují 3 proměnné:

• character_set_client - znaková sada, ve které jsou data poslána klientem
• character_set_connection - znaková sada, do které jsou poslaná data od klienta překonvertována
• character_set_results - znaková sada, ve které jsou výsledná data zaslána klientovi

vypsat proměnné související se znakovými sadami lze takto: show variables like '%character%';

Pro nastavení výše uvedených proměnných existují "zkratky":

• set names x; je ekvivalentní (nezmiňuji nastavení collation):

  
  set character_set_client = x;
  set character_set_results = x;
  set character_set_connection = x;
  
  

• set character set x; je ekvivalentní (nezmiňuji nastavení collation):

  
  set character_set_client = x;
  set character_set_results = x;
  set character_set_connection = @@character_set_database
  
  

• parametr --default-character-set=x u mysql klienta a mysqldump odpovídá vykonání: set names x;

ad b) Znaková sada pro uložení dat se dá nastavit pro:

• server - nastavení typicky v sekci [mysqld] v my.cnf
• databázi - nastavení typicky při tvorbě databáze: create database x character set y;
• tabulku - nastavení typicky při tvorbě tabulky: create table x ... character set y;
• sloupec - nastavení typicky při tvorbě tabulky: ... columnx varchar(255) character set y ...
• řetězec - např. _latin1'abc' - tzv. introducer

ověřit nastavení znakových sad lze pro tabulku a sloupce takto: show create table table_name; a pro databázi takto: show create database database_name; .

Schematický popis zpracování dat - konverze znakových sad

c_s je zkratkou pro: character_set

1. klient pošle data serveru
2. server provede konverzi z c_s_client do c_s_connection (nekonvertovány řetězce s introducerem)
3. server provede konverzi z c_s_connection do znakové sady úložiště
4. server data uloží

Možné chyby

Z toho vyplývají následující možné chyby:

Předpoklad: řetězec "příliš žluťoučký kůň" je kódován v utf8

• špatná proměnná c_s_connection - chyba při konverzi c_s_client/c_s_connection. Příklad ukazuje možné úskalí při použití set character set a špatně nastavené znakové sady pro databázi.

  
  create database c_s_test character set latin1; 
  use c_s_test;
  create table t1 (data varchar(255)) character set utf8;
  /* znaková sada pro tabulku je utf8 */
  set character set utf8; 
  /* c_s_connection je stále nastavené na latin1 */
  insert into t1 values('příliš žluťoučký kůň');
  select convert(data using utf8) = _utf8'příliš žluťoučký kůň' from t1 limit 1;
  /* chyba - nerovnají se*/
  drop database c_s_test;
  
  

• špatná proměnná c_s_client - chyba při konverzi c_s_client/c_s_connection. Data pošleme serveru ve špatném kódování.

  
  create database c_s_test character set utf8; 
  use c_s_test;
  create table t1 (data varchar(255)) character set utf8;
  set names utf8; 
  set character_set_client = latin1;
  /* c_s_client je nastaveno na latin1 */
  insert into t1 values('příliš žluťoučký kůň');
  select convert(data using utf8) = _utf8'příliš žluťoučký kůň' from t1 limit 1;
  /* chyba - nerovnají se*/
  drop database c_s_test;
  
  

• Chyba při konverzi c_s_connection/znaková sada úložiště. Když máme nastavenou špatnou znakovou sadu pro tabulku, tak to taky není ono.

  
  create database c_s_test character set utf8; 
  use c_s_test;
  create table t1 (data varchar(255)) character set latin1;
  /* znaková sada pro tabulku je latin1 */
  set names utf8; 
  insert into t1 values('příliš žluťoučký kůň');
  select convert(data using utf8) = _utf8'příliš žluťoučký kůň' from t1 limit 1;
  /* chyba - nerovnají se*/
  drop database c_s_test;
  
  

• Špatně nastavená proměnná c_s_results. Porovnání řetězců tentokrát vrátí 1 - data jsou uložena a zpracována bez chyb při konverzi. Schválně je nastavena jiná znaková sada pro character_set_connection. Dochází ke konverzi utf8 -> latin2 -> utf8. Pro tabulku můžete případně zvolit latin2 znakovou sadu a výsledek bude též správný. Výsledkem druhého selectu je ovšem špatná diakritika kvůli špatně nastavené proměnné c_s_results.

  
  create database c_s_test character set utf8; 
  use c_s_test;
  create table t1 (data varchar(255)) character set utf8;
  set names utf8;
  set character_set_connection = latin2;
  set character_set_results = latin1;
  insert into t1 values('příliš žluťoučký kůň');
  select convert(data using utf8) =  _utf8'příliš žluťoučký kůň' from t1 limit 1;
  /* OK vrátí 1*/
  select convert(data using utf8) from t1 limit 1;
  /* výsledkem je špatná diakritika */
  drop database c_s_test;