如何检测 Latin1 编码列中的 UTF-8 字符 - MySQL

我即将承担将数据库从 Latin1 转换为 UTF-8 的繁琐且充满陷阱的任务。

此时，我只想检查表中存储的数据类型，因为这将确定我应该使用什么方法来转换数据。

具体来说，我想检查 Latin1 列中是否有 UTF-8 字符，最好的方法是什么？如果只有几行受到影响，那么我可以手动修复此问题。

选项 1. 执行 MySQL 转储并使用 Perl 搜索 UTF-8 字符？

选项 2. 使用 MySQL CHAR_LENGTH 查找包含多字节字符的行？ 例如SELECT name FROM clients WHERE LENGTH(name) != CHAR_LENGTH(name);这够了吗？

目前我已将 Mysql 客户端编码切换为 UTF-8。

字符编码与时区一样，是一个持续存在的问题根源。

您可以做的是查找任何“高位 ASCII”字符，因为这些字符要么是 LATIN1 重音字符或符号，要么是 UTF-8 多字节字符的第一个。除非你作弊，否则辨别差异并不容易。

要找出正确的编码，您只需SELECT两个不同的版本并进行视觉比较。这是一个例子：

SELECT CONVERT(CONVERT(name USING BINARY) USING latin1) AS latin1, 
       CONVERT(CONVERT(name USING BINARY) USING utf8) AS utf8 
FROM users 
WHERE CONVERT(name USING BINARY) RLIKE CONCAT('[', UNHEX('80'), '-', UNHEX('FF'), ']')

这变得异常复杂，因为 MySQL 正则表达式引擎似乎忽略了诸如\x80并使得有必要使用UNHEX()方法代替。

这会产生如下结果：

latin1                utf8
----------------------------------------
Björn                Björn