可怕的MySQL导入编码问题 - 重新审视

Question

我遇到了标准的MySQL导入编码问题，但我似乎无法解决它。

我的客户已经运行了一段时间的WordPress安装。 我已将数据库转储到一个文件中，并将其导入本地。 生成的页面在整个过程中都有飞溅的字符。

我已经检查了两端的数据库属性：制作：显示创建数据库WordPress;

CREATE DATABASE `wordpress` /*!40100 DEFAULT CHARACTER SET latin1 */

本地：显示创建数据库WordPress;

CREATE DATABASE `wordpress` /*!40100 DEFAULT CHARACTER SET latin1 */

制作：显示创建表wp_posts;

CREATE TABLE `wp_posts` (
  `ID` bigint(20) unsigned NOT NULL auto_increment,
  ...
  KEY `post_date_gmt` (`post_date_gmt`)
) ENGINE=MyISAM AUTO_INCREMENT=7932 DEFAULT CHARSET=utf8

本地：显示创建表wp_posts;

CREATE TABLE `wp_posts` (
  `ID` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  ...
  KEY `post_date_gmt` (`post_date_gmt`)
) ENGINE=MyISAM AUTO_INCREMENT=7918 DEFAULT CHARSET=utf8

我花了几个小时阅读有关如何挤压的论坛，但我无法获得任何工作。 99%的答案说要匹配数据库之间的字符集。 我认为应该在以下情况下起作用：

mysqldump --opt --compress --default-character-set=latin1 -uusername -ppassword wordpress | ssh [e-mail] mysql --default-character-set=latin1 -uusername -ppassword wordpress

我也使用 utf8 字符集完成了此操作。 仍然与's。

我尝试直接修改SQL转储，在"SET names UTF8"行中加入utf8或latin1。 仍然与's。

奇怪的症状

我希望这些字符出现在内容中代替特殊字符，例如 ñ 或 ö，但我见过通常只有一个空格的地方。 我也看到它代替撇号（但不是所有的撇号）、双引号和商标符号。

这些标记非常罕见。 它们平均每页出现三到四次。

通过 Sequel Pro（本地或实时）查看数据库时，我没有看到任何 '。 通过 Textmate 查看时，我在 SQL 中看不到任何 '。

我错过了什么？

编辑

更多信息：

我试图确定实时数据库认为编码是什么。 我跑show table status，看来整理是utf8_general_ci, utf8_bin and latin1_swedish_ci的混合体。 它们有什么不同？ 有关系吗？

我也跑了：show variables like "character_set_database"，得到了latin1;

Answer 1

这就是我最终解决问题的方式：

第一mysqldump -uusername -ppassword --default-character-set=latin1 database -r dump.sql

然后运行此脚本：

$search = array('/latin1/');
$replace = array('utf8');
foreach (range(128, 255) as $dec) {
    $search[] = "/x".dechex($dec)."/";
    $replace[] = "&#$dec;";
}
$input = fopen('dump.sql', 'r');
$output = fopen('result.sql', 'w');
while (!feof($input)) {
    $line = fgets($input);
    $line = preg_replace($search, $replace, $line);
    fwrite($output, $line);
}
fclose($input);
fclose($output);

该脚本查找 127 以上的所有十六进制字符，并将它们编码到它们的 HTML 实体中。

然后mysql -uusername -ppassword database < result.sql

Answer 2

较旧的WordPress数据库甚至较新的数据库的一个常见问题是数据库表被设置为拉丁语-1，但内容实际上被编码为UTF-8。如果您尝试导出为 UTF-8，MySQL 将尝试将（假定）拉丁语 1 数据转换为 UTF-8，从而导致双重编码字符，因为数据已经是 UTF-8。

解决方案是将表导出为拉丁语-1。由于MySQL认为他们已经是拉丁语-1，因此它将直接导出。

将字符集从"latin1"更改为"utf8"。由于转储的数据在导出过程中未转换，因此它实际上是 UTF-8 编码的数据。

将新表创建为 UTF-8 如果 CREATE TABLE 命令位于 SQL 转储文件中，请将字符集从"latin1"更改为"utf8"。

正常导入数据。由于转储文件中有 UTF-8 编码的数据，因此转储文件中声明的字符集现在是 UTF-8，而要导入的表是 UTF-8，因此一切都会顺利进行

Answer 3

我能够通过修改我的wp配置来解决此问题.php如下所示：

/** Database Charset to use in creating database tables. */
define('DB_CHARSET', 'utf8');
/** The Database Collate type. Don't change this if in doubt. */
define( 'DB_COLLATE', 'utf8_general_ci' );

Answer 4

我认为您可以通过以下方式解决此问题：

$link = mysql_connect('localhost', 'mysql_user', 'mysql_password');
$db = mysql_select_db('mysql_db', $link);
mysql_query('set names utf8', $link);