UTF-8字符有问题;我看到的不是我存储的内容 [英] Trouble with UTF-8 characters; what I see is not what I stored
问题描述
我尝试使用UTF-8,但遇到了问题。
我尝试了很多方法,以下是我得到的结果:
????
而不是亚洲字符。即使是欧洲文本,我也得到了Señor
。- 奇怪的胡言乱语(Mojibake?)例如
Señor
或新浪新闻
。 - 黑色钻石,如Se�或.
- 最后,我遇到了数据丢失或至少被截断的情况:
Se
forSeñor
。 - 即使我将文本放在外观正确时,它也无法正确地排序。
我做错了什么?我如何修复代码?我是否可以恢复数据,如果可以,如何恢复?
推荐答案
此问题困扰着此网站的参与者以及其他许多人。
您已经列出了CHARACTER SET
故障的五个主要案例。
最佳实践
接下来,最好使用CHARACTER SET utf8mb4
和COLLATION utf8mb4_unicode_520_ci
。(有较新版本的Unicode排序规则正在进行中。)
utf8mb4
是utf8
的超集,因为它处理的是4字节的UTF8代码,这是Emoji和一些中文用户需要的。
在MySQL之外,"UTF-8"是指所有大小的编码,因此实际上与MySQL的utf8mb4
相同,而不是utf8
。
在下面的内容中,我将尝试使用这些拼写和大写来区分MySQL内部和外部。
应做的内容概述
- 将您的编辑器等设置为UTF-8。
- HTML表单的开头应类似
<form accept-charset="UTF-8">
。 - 将您的字节编码为UTF-8。
- 将UTF-8设置为客户端中使用的编码。
- 声明列/表
CHARACTER SET utf8mb4
(与SHOW CREATE TABLE
核对。) <meta charset=UTF-8>
在HTML开头- 存储的例程获取当前的字符集/排序规则。它们可能需要重建。
More details for computer languages(及其后续章节)
测试数据
不能使用工具或SELECT
查看数据。
太多这样的客户端,尤其是浏览器,试图补偿不正确的编码,并向您显示正确的文本,即使数据库已损坏。
因此,选择一个包含一些非英文文本的表和列,并执行
SELECT col, HEX(col) FROM tbl WHERE ...
正确存储的UTF-8的十六进制将为
- 表示空格(任何语言):
20
- 英文:
4x
、5x
、6x
或7x
- 对于大多数西欧国家,重音字母应为
Cxyy
- 西里尔语、希伯来语和波斯语/阿拉伯语:
Dxyy
- 亚洲大部分地区:
Exyyzz
- 表情符号和一些中文:
F0yyzzww
- More details
所见问题的具体原因和修复
截断文本(Se
用于Señor
):
- 要存储的字节未编码为utf8mb4。解决此问题。
- 还要检查阅读过程中的连接是否为UTF-8。
黑色钻石,带问号(Se�or
表示Señor
);
存在以下情况之一:
情况1(原始字节不是UTF-8):
- 要存储的字节未编码为UTF8。解决此问题。
INSERT
和SELECT
的连接(或SET NAMES
)不是utf8/utf8mb4。解决此问题。- 另外,检查数据库中的列是否为
CHARACTER SET utf8
(或utf8mb4)。
案例2(原始字节为UTF-8):
SELECT
的连接(或SET NAMES
)不是utf8/utf8mb4。解决此问题。- 另外,检查数据库中的列是否为
CHARACTER SET utf8
(或utf8mb4)。
仅当浏览器设置为<meta charset=UTF-8>
时才会出现黑色菱形。
问号(普通问号,不是黑色方块)(Se?or
表示Señor
):
- 要存储的字节未编码为utf8/utf8mb4。解决此问题。
- 数据库中的列不是
CHARACTER SET utf8
(或utf8mb4)。解决这个问题。(使用SHOW CREATE TABLE
。) - 还要检查阅读过程中的连接是否为UTF-8。
Mojibake(Señor
forSeñor
):
(此讨论也适用于双重编码,但不一定可见。)
- 要存储的字节需要进行UTF-8编码。解决此问题。
INSERTing
和SELECTing
文本时的连接需要指定utf8或utf8mb4。解决此问题。- 该列需要声明为
CHARACTER SET utf8
(或utf8mb4)。解决此问题。 - HTML应以
<meta charset=UTF-8>
开头。
重复编码可以通过执行上述SELECT .. HEX ..
进行确认。
é should come back C3A9, but instead shows C383C2A9
The Emoji 👽 should come back F09F91BD, but comes back C3B0C5B8E28098C2BD
也就是说,十六进制的长度大约是其应有长度的两倍。
这是由于从Latin1(或其他)转换为UTF8,然后处理
字节,就像它们是Latin1一样,并重复转换。
排序(和比较)不能正常工作,例如,
按字符串Señor
排序。
尽可能修复数据
对于截断和问号,数据丢失。
对于Mojibake/双重编码,...
对于黑钻石,...
此处列出了修复。(5种不同情况下的5种不同修复;请仔细挑选):http://mysql.rjweb.org/doc.php/charcoll#fixes_for_various_cases
这篇关于UTF-8字符有问题;我看到的不是我存储的内容的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!