MySQL数据库中数据库移植中的乱码问题

mysql移植含有中文的数据时，很容易出现乱码问题。很多是在从mysql4.x向mysql5.x移植的时候出现。mysql的缺省字符集是latin1，在使用mysql4.x的时候，很多人都是用的latin1字符集。而当使用mysql5时往往愿意使用utf8。那么我们的任务是不是要把数据中的字符从latin1转为utf8呢？ w-;=uE6hJ  
不是的。 #/j?0 Hx  
用一句不大准确，但又比较形象的说法是，在之前的系统中，我们是用latin1保存了使用gb系列字符集（gbk、gb2312等）的汉字。怎么这样说呢？ c?Espotb  
?iD {#W|  
mysql> show create table test\G `[KN:}Re  
*************************** 1. row *************************** v<A}-t;(  
Table: test ;RuKgz\2  
Create Table: CREATE TABLE `test` ( M;]a?`[9  
`a` varchar(100) default NULL 57+sW4%O}  
) ENGINE=InnoDB DEFAULT CHARSET=utf8 8-+ D& Pp  
1 row in set (0.00 sec) :r:g](|n  
Aimiua^N  
mysql> show create table testlatin1\G II%3L-`  
*************************** 1. row *************************** S 1 x%  
Table: testlatin1 <FZo-+  
Create Table: CREATE TABLE `testlatin1` ( 1T ms=D  
`a` varchar(100) default NULL rLxb8w0FE  
) ENGINE=InnoDB DEFAULT CHARSET=latin1 +<&t=p.  
1 row in set (0.01 sec) |iS&HXOU  
I1k{j  
我们看到这两个表有不同的缺省字符集。此字符集是告诉我们，如果没有特别指定列的字符集，那么字符类型列的字符集与表的缺省字符集一样。 "*$\ k"[  
S!wx-  
列的字符集是要告诉mysql，这里面保存的字符所使用的字符集是什么。但到底保存的是什么字符集的字符，不由mysql决定，mysql也不进行检查。 WYx"-}}`b  
-U> J+6y  
在utf8广泛使用之前，我们使用的汉字都是GB系列的字符集，比如GB2312、GBK、GB18030等等。 oGZ*+SxN  
0]s"X\YK  
在缺省字符集为latin1的mysql中，我们通常就把GB字符集的汉字保存到数据库中，但是却告诉mysql那是latin1字符集。而GB字符集是一个汉字占两个字节，latin1是一个字符占一个字节。也就是说一个GB汉字被当成两个latin1字符来保存了。这让我想起了当初的iso8859_1，也是类似的情况。只要我们保存和读取时都当作latin1，不进行转换，然后在显示时当作gb字符集，就能够正确使用。 lnl9\zEB  
.%7xddpK  
那么怎么把latin1保存的汉字正确地导到utf8字符集的数据库中呢？ ){> ?  
8-ewgOd  
首先，新的数据库中的列，要使用utf8字符集。一种办法是创建database时指定缺省字符集，这样在建表时如果不指定字符集则使用database的缺省字符集。 v1ZdY[$  
1o)3!;  
导出的数据要以latin1字符集导出，实际上就是告诉mysql导出时不做转换（因为原有的表都是latin1字符集的）。 YjHW;,&  
.<VW'ew  
mysqldump出来以后，再用mysql进行导入时，还要告诉mysql，当前的数据是gb系列的字符集，比如gbk。这样，mysql负责把数据由gbk转换为utf8，保存到数据库中。 }@\*;E.5  
Cy2sH  
如何告诉mysql导入的SQL是什么字符集呢，一种方法是用--default-character-set，但有时会起不到实际作用。这是因为mysqldump出来的文件里有set names语句。比如： rx 4/[WGD  
3&+MD0l  
head EA192.060913.sql J1eyp_f  
@F ayrX(Ba  
-- MySQL dump 10.10 {c{*f~  
-- ,qjA]s:  
-- Host: localhost Database: EA192 |/-``O  
-- ------------------------------------------------------ ~v7+}-L  
-- Server version 5.0.16-standard-log -v9[ >6$  
<TAK-I1  
/*!40101 SET @OLD_CHARACTER_SET_CLIENT=@@CHARACTER_SET_CLIENT */;#p#分页标题#e# T5IpR |e  
/*!40101 SET @OLD_CHARACTER_SET_RESULTS=@@CHARACTER_SET_RESULTS */; s7dol  
/*!40101 SET @OLD_COLLATION_CONNECTION=@@COLLATION_CONNECTION */; GAi!U(3  
/*!40101 SET NAMES latin1 */; cTF@9S,s`  
AT0EEooy  
/*! */是mysql特有有句法，在其他数据库会被当成注释忽略掉。/*!后面的 40101是表示版本，在4.1.1及以上版才执行该条语句。 $S<+a 8^  
*D $:9hA  
这里看到有一条SET NAMES latin1。它的一个作用是告诉mysql，客户端传过去的数据是latin1字符集。因为有这样一条SET NAMES，--default-character-set也就起不到作用了。如果不幸有这样一条SQL，那么需要把它去掉或者改成SET NAMES gbk。修改或者删除的办法，当数据量比较大的时候，可以用head和tail来配合。比如还是上面的那个文件： ]{BKh__Q3  
N8?9yhW  
先用head看一下SET NAMES在第几行（数一下），上面看到是第10行。 ?g lrJ3  
IGTMGhrvI  
wc -l EA192.060913.sql 2 ;5yKy) f  
1987 EA192.060913.sql XrB-U@R  
得到总行数是1987 }?#&-Ea9  
0E=X  
head -9 EA192.060913.sql > final.sql DE&#l($=  
brum@brum-laptop:~$ tail -1977 EA192.060913.sql >> final.sql FJktQHcL  
brum@brum-laptop:~$ e-_m9_b  
head -9是取前9行，tail -1977是取后1977行，这样就把第10行隔过去了。 Yyhyr2A*_  
QhD2mUoB  
得到final.sql再用mysql运行时，就可以使用--default-character-set=gbk了。 1@x{''c  
\+mAb CV  
还有一种办法是mysqldump时使用--set-charset=false，这样就不会出现SET NAMES了。 Ic[o56UlP  
(6|Le`IJ&V  
目前为止，还可能有问题，出在create table的SQL中，比如： W;!StrKjw  
9 : %i  
DROP TABLE IF EXISTS `test`; L-o5#k=3  
CREATE TABLE `test` ( ?0!D|m Y  
`a` varchar(100) default NULL d<G@b6t  
) ENGINE=InnoDB DEFAULT CHARSET=latin1; Cy%N+3_b/  
mzrGxLy\E  
这里仍然有个CHARSET=latin1，它将导致新创建的表的缺省字符集是latin1，而不是我们想要的utf8。 O`O Rg8  
YSC.K@K  
怎么办呢，如果数据量不大的话，可以考虑用编辑器把它去掉或者改成utf8，如果数据量大的话可以考虑用sed，但可能仍然时间比较长。 >t%: )(  
F39jGoJ`_  
还有一种办法就是mysqldump，使用--create-options=false，不导出表的创建属性。但如果导出的表的存储引擎不同的话就有问题了，因为引擎类型（innodb、myisam等）都被忽略了。 x%;_ o?0`  
I[O{@PK  
此外，mysqldump导出时，不要使用-B，而是直接指定一个database名字，目的是不出现CREATE DATABASE语句，因为其中也可能会有缺省字符集的子句，会影响那些未在CREATE TABLE中指定字符集的表。如果你导出的SQL中有CREATE DATABASE，那么需要注意一下有没有字符集的子句，如果有的话，也需要修改。 Q y7Ly^  
EIl2W+U%  
好了，通过上述方法导出或者处理过的导出文件可以使用mysql --default-character-set=gbk来导入了。 [IOm\>  
nTF1z9_~%0  
今天有一哥们并没有碰到如此复杂的情况，只是用mysqldump从4.1中导出，再在5.0中导入，导入的时候指定--default-character-set=gb2312就行了。我想那是因为导出的文件中没有我前面说那些问题。 HaQL*_?{  
+"v->  
是不是有几十个G或者更多的数据等着你移植，而且恰巧有字符集问题？祝你好运吧！