ySQL移植含有中文的數據 時,很容易出現亂碼問題。很多是在從MySQL4.x向MySQL5.x移植的時候出現。MySQL的缺省字符集是latin1,在使用MySQL4.x 的時候,很多人都是用的latin1字符集。而當使用MySQL5時往往願意使用UTF-8。那麼我們的任務是不是要把數據中的字符從latin1轉爲 UTF-8呢?不是的。
www.bitsCN.net網管博客等你來搏
用一句不大準確,但又比較形象的說法是,在之前的系統中,我們是用latin1保存了使用GB系列字符集(GBK、GB2312等)的漢字。怎麼這樣說呢?
bitsCN.com中國網管聯盟
bitsCN_com
mysql> show create table test/G |
字符集是告訴我們,如果沒有特別指定列的字符集,那麼字符類型列的字符集與表的缺省字符集一樣。 feedom.net國內最早的網管網站
列的字符集是要告訴MySQL,這裏面保存的字符所使用的字符集是什麼。但到底保存的是什麼字符集的字符,不由MySQL決定,MySQL也不進行檢查。 feedom.net國內最早的網管網站
bbs.bitsCN.com國內最早的網管論壇
在UTF-8廣泛使用之前,我們使用的漢字都是GB系列的字符集,比如GB2312、GBK、GB18030等等。
bitsCN_net中國網管博客
play.bitsCN.com累了嗎玩一下吧
在缺省字符集爲latin1的MySQL中,我們通常就把GB字符集的漢字保存到數據庫中, 但是卻告訴MySQL那是latin1字符集。而GB字符集是一個漢字佔兩個字節,latin1是一個字符佔一個字節。也就是說一個GB漢字被當成兩個 latin1字符來保存了。這讓我想起了當初的iso8859_1,也是類似的情況。只要我們保存和讀取時都當作latin1,不進行轉換,然後在顯示時 當作GB字符集,就能夠正確使用。
需要什麼來搜一搜吧so.bitsCN.com
bitsCN_com
那麼怎麼把latin1保存的漢字正確地導UTF-8字符集的數據庫中呢? 需要什麼來搜一搜吧so.bitsCN.com
bitsCN_net中國網管博客
首先,新的數據庫中的列,要使用UTF-8字符集。一種辦法是創建database時指定缺省字符集,這樣在建表時如果不指定字符集則使用database的缺省字符集。 dl.bitsCN.com網管軟件下載
bitsCN_net中國網管博客
導出的數據要以latin1字符集導出,實際上就是告訴MySQL導出時不做轉換(因爲原有的表都是latin1字符集的)。 bitsCN_com
bitsCN.com中國網管聯盟
mysqldump出來以後,再用MySQL進行導入時,還要告訴MySQL,當前的數據是gb系列的字符集,比如gbk。這樣,MySQL負責把數據由gbk轉換爲UTF-8,保存到數據庫中。
bbs.bitsCN.com國內最早的網管論壇
bitsCN_net中國網管博客
如何告訴MySQL導入的SQL是什麼字符集呢,一種方法是用--default-character-set,但有時會起不到實際作用。這是因爲mysqldump出來的文件裏有set names語句。比如: www.bitsCN.net網管博客等你來搏
bitsCN_com
head EA192.060913.sql |
/*! */是MySQL特有有句法,在其他數據庫會被當成註釋忽略掉。/*!後面的40101是表示版本,在4.1.1及以上版才執行該條語句。 bitsCN_net中國網管博客
dl.bitsCN.com網管軟件下載
這裏看到有一條SET NAMES latin1。它的一個作用是告訴mysql,客戶端傳過去的數據是latin1字符集。因爲有這樣一條SET NAMES,--default-character-set也就起不到作用了。如果不幸有這樣一條SQL,那麼需要把它去掉或者改成SET NAMES gbk。修改或者刪除的辦法,當數據量比較大的時候,可以用head和tail來配合。比如還是上面的那個文件:
bitsCN.com中國網管聯盟
先用head看一下SET NAMES在第幾行(數一下),上面看到是第10行。 feedom.net國內最早的網管網站
www.bitsCN.net網管博客等你來搏
wc -l EA192.060913.sql |
head -9是取前9行,tail -1977是取後1977行,這樣就把第10行隔過去了。 bitsCN_com關注網管是我們的使命
bbs.bitsCN.com國內最早的網管論壇
得到final.sql再用MySQL運行時,就可以使用--default-character-set=gbk了。
bbs.bitsCN.com國內最早的網管論壇
還有一種辦法是mysqldump時使用--set-charset=false,這樣就不會出現SET NAMES了。 play.bitsCN.com累了嗎玩一下吧
目前爲止,還可能有問題,出在create table的SQL中,比如:
需要什麼來搜一搜吧so.bitsCN.com
play.bitsCN.com累了嗎玩一下吧
DROP TABLE IF EXISTS `test`; |
這裏仍然有個CHARSET=latin1,它將導致新創建的表的缺省字符集是latin1,而不是我們想要的UTF8。
bitsCN_net中國網管博客
dl.bitsCN.com網管軟件下載
怎麼辦呢,如果數據量不大的話,可以考慮用編輯器把它去掉或者改成UTF8,如果數據量大的話可以考慮用sed,但可能仍然時間比較長。
bbs.bitsCN.com國內最早的網管論壇
還有一種辦法就是mysqldump,使用--create-options=false,不導出表的創建屬性。但如果導出的表的存儲引擎不同的話就有問題了,因爲引擎類型(innodb、myisam等)都被忽略了。 bitsCN.com中國網管聯盟
bitsCN_com
此外,mysqldump導出時,不要使用-B,而是直接指定一個database名字,目 的是不出現CREATE DATABASE語句,因爲其中也可能會有缺省字符集的子句,會影響那些未在CREATE TABLE中指定字符集的表。如果你導出的SQL中有CREATE DATABASE,那麼需要注意一下有沒有字符集的子句,如果有的話,也需要修改。
feedom.net國內最早的網管網站
好了,通過上述方法導出或者處理過的導出文件可以使用mysql --default-character-set=gbk來導入了。