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?
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。
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(因為原有的表都是latin1字符集的)。
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轉換為UTF-8,保存到數據庫中。
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。這是因為MySQLdump出來的文件裡有set names語句。比如:
head EA192.060913.sql
-- MySQL dump 10.10
--
-- Host: localhost Database: EA192
-- ----------------------------------
-- Server version 5.0.16-standard-log
/*!40101 SET @OLD_CHARACTER_SET_CLIENT
=@@CHARACTER_SET_CLIENT */;
/*!40101 SET @OLD_CHARACTER_SET_RESULTS
=@@CHARACTER_SET_RESULTS */;
/*!40101 SET @OLD_COLLATION_CONNECTION
=@@COLLATION_CONNECTION */;
/*!40101 SET NAMES latin1 */;
/*! */是MySQL特有有句法,在其他數據庫會被當成注釋忽略掉。/*!後面的40101是表示版本,在4.1.1及以上版才執行該條語句。
這裡看到有一條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。因為有這樣一條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:
先用head看一下SET NAMES在第幾行(數一下),上面看到是第10行。
wc -l EA192.060913.sql
1987 EA192.060913.sql
得到總行數是1987
head -9 EA192.060913.sql > final.sql
brum@brum-laptop:~$ tail -1977 EA192.060913.sql
>> final.sql
brum@brum-laptop:~$
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。
得到final.sql再用MySQL運行時,就可以使用--default-character-set=gbk了。
還有一種辦法是MySQLdump時使用--set-charset=false,這樣就不會出現SET NAMES了。
目前為止,還可能有問題,出在create table的SQL中,比如:
DROP TABLE IF EXISTS `test`;
CREATE TABLE `test` (
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1;
這裡仍然有個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。
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。
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,因為引擎類型(innodb、myisam等)都被忽略了。
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,因為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。
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。