MySQL - 更新时无效的 utf8mb4 字符串

Posted 2023-03-23

【中文标题】MySQL - 更新时无效的 utf8mb4 字符串

【英文标题】：MySQL - Invalid utf8mb4 character string on update

【发布时间】：2015-04-14 05:56:03

【问题描述】：

我的问题和这里发现的几乎一模一样

mysql - 1300 - Invalid utf8 character string on update

没有提出任何解决方案，并且该人的帮助（创建临时表）似乎没有帮助。这是我正在使用的选择语句：

SELECT
    CONVERT(line_1 USING utf8mb4),
    CONVERT(line_1 USING latin1),
    HEX(line_1)
FROM address
WHERE ((CAST(CONVERT(line_1 USING latin1) AS CHAR)) <> (CAST(line_1 AS CHAR)))
    AND CONVERT(line_1 USING utf8mb4) IS NULL;
+-------------------------------+------------------------------+----------------------------------------------------+
| CONVERT(line_1 USING utf8mb4) | CONVERT(line_1 USING latin1) | hex(line_1)                                        |
+-------------------------------+------------------------------+----------------------------------------------------+
| NULL                          | Högbergsgatan 97             | 48F6676265726773676174616E203937                   |
| NULL                          | Zücherstrasse 161            | 5AFC636865727374726173736520313631                 |
| NULL                          | 2275, Rue de l'Université    | 323237352C20527565206465206C27556E69766572736974E9 |
| NULL                          | Högbergsgatan 97             | 48F6676265726773676174616E203937                   |
+-------------------------------+------------------------------+----------------------------------------------------+

当我尝试运行以下更新命令时，我得到：

UPDATE address
SET line_1 = CONVERT(CAST(CONVERT(line_1 USING latin1) AS CHAR) USING utf8mb4)
WHERE (CAST(CONVERT(line_1 USING latin1) AS CHAR) <> CAST(line_1 AS CHAR))
    AND CONVERT(line_1 USING utf8mb4) IS NULL;
ERROR 1300 (HY000): Invalid utf8mb4 character string: 'F66762'

我尝试通过以下方式设置线路，都产生相同的错误：

SET line_1 = CAST(CONVERT(line_1 USING latin1) AS CHAR)
SET line_1 = CONVERT(line_1 USING latin1)

我还查看了http://jonisalonen.com/2012/fixing-doubly-utf-8-encoded-text-in-mysql/，看看是否可能是双重编码问题，但这些都不起作用，而且我一直收到相同的字符串错误。

此外，我查看了https://mathiasbynens.be/notes/mysql-utf8mb4 以帮助完成转换步骤，但 utf8mb4 和 utf8 导致完全相同的问题。 （起初我以为是 utf8 的东西，所以我改用 utf8mb4，当我仍然遇到同样的问题时，我知道有更深层次的问题）

如您所见，发生了一些奇怪的事情。查看我的 show create address 表，我可以验证字符集是否设置正确：

SHOW CREATE TABLE address;
| address | CREATE TABLE `address` (
  `addressid` bigint(20) NOT NULL AUTO_INCREMENT,
  `addressuuid` char(32) COLLATE utf8mb4_unicode_ci NOT NULL,
  `line_1` blob,
  PRIMARY KEY (`addressid`)
) ENGINE=InnoDB AUTO_INCREMENT=48970 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='All potential addresses' |

此外，您可以在我的实例中看到我的字符变量是正确的：

mysql> show variables like 'char%';
+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | utf8mb4                    |
| character_set_connection | utf8mb4                    |
| character_set_database   | utf8                       |
| character_set_filesystem | binary                     |
| character_set_results    | utf8mb4                    |
| character_set_server     | utf8mb4                    |
| character_set_system     | utf8                       |
| character_sets_dir       | /usr/share/mysql/charsets/ |
+--------------------------+----------------------------+
8 rows in set (0.00 sec)

我是怎么到这里的

因此，提供有关该问题的一些背景信息可能会有所帮助，以防万一它是导致问题的背景。

我有一个最初设置为 latin1 编码所有内容的数据库。然后我运行了以下代码：

SET NAMES 'latin1';

/* We must change things to blob and then back again */
ALTER TABLE `address` CHANGE line_1 line_1 BLOB;
ALTER TABLE `address` CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
ALTER TABLE `address` CHANGE line_1 line_1 VARCHAR(64);

切换到 blob 然后再回到 varchar 的原因是正常的推荐过程。 (www.percona.com/blog/2013/10/16/utf8-data-on-latin1-tables-converting-to-utf8-without-downtime-or-double-encoding/)

让我知道这是否有帮助，以及是否可以提供更多信息。我使用的是 MySQL 5.6，所以理论上它应该可以更好地处理事情，但谁知道呢。由于只有 4 行，我可以手动更新每一行，但理论上存在更大的潜在问题，而且由于我实际上还有很多列要查看，所以最好确保我有一个实用的方法来处理这些情况，以防我得到很多行的东西。

【问题讨论】：

首先做一个SELECT HEX(col), col ...，这样我们就可以看到该领域的内容。目标是什么？换桌子？或者只是出去Högbergsgatan之类的东西？

我在上表中添加了十六进制。目标是能够将所有内容从旧字符编码转换为新字符编码。但是我尝试的每种方法似乎都存在字符串无法转换/无效字符串的问题。

你做对了吗？我有同样的问题。

不幸的是，似乎没有什么能正常工作，因为有些东西是双重编码的，有些是单一的，它变得一团糟。幸运的是，我们的数据库并没有太大，所以我最终不得不导出我们的数据库，然后我手动更新了所有错误的字符，修复了表上的编码，然后重新导入。从那以后就没有遇到过麻烦，但这并不好玩=/

【参考方案1】：

由于line_1 是一个blob，而不是文本字段，MySQL 无法控制其中的“字符”，也不关心它是否是非文本信息（例如JPG）。在您提供的示例中，字段中有 latin1 文本（例如，十六进制 F6 表示 ö）。因此，CONVERT(line_1 USING latin1) 工作“很好”。

我不明白你的目标。您是否尝试将 BLOB 读取为 TEXT？如果是这样，和如果所有非ascii字符都被编码为latin1，那么那个CONVERT就是答案。

如果你的目标是别的东西，那么让我们从那里开始吧。

它不是“双重编码”的，所以它们都不起作用。

ALTER TABLE address CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

执行SHOW CREATE TABLE address 并检查line_1 的字符集。

【讨论】：

所以最初该字段设置为 VARCHAR(64)。目标是将数据库从 latin1 转换为 utf8mb4。所以我将名称设置为 latin1，将字段更改为 blob，转换字符集，然后尝试转换回 varchar(64)。当我尝试转换回来时，出现以下错误：字符串值不正确：'\xF6gberg...' for column 'line_1' at row 7578

2-step-alter-thru-blob 用于字节不符合声明的情况。 1-step-ALTER-CONVERT 可能是您需要的。 （或者这似乎是您现在需要的。）所以，我认为您需要从当前 BLOB 中使用 latin1 字节执行 3 个步骤：SET latin1、ALTER to VARCHAR、ALTER CONVERT。

“修复”的比较：mysql.rjweb.org/doc.php/charcoll#fixes_for_various_cases