php - PostgreSQL + PHP + UTF8 = 编码的无效字节序列

Question

我正在将数据库从 mysql 迁移到 postgresql。 mysql 数据库的默认排序规则是 UTF8，postgres 也使用 UTF8，我使用 pg_escape_string() 对数据进行编码。但是，无论出于何种原因，我遇到了一些关于错误编码的时髦错误:

pg_query() [function.pg-query]:查询失败:错误:编码“UTF8”的无效字节序列:0xeb7374
提示:如果字节序列与服务器预期的编码不匹配，也会发生此错误，服务器由“客户端”控制

我一直在四处寻找解决办法，并注意到 php 正在做一些奇怪的事情；如果字符串中只有 ascii 字符(例如“hello”)，则编码为 ASCII。如果字符串包含任何非 ascii 字符，则表示编码为 UTF8(例如“Hëllo”)。

当我在已经是 UTF8 的字符串上使用 utf8_encode() 时，它会杀死特殊字符并使它们全部困惑，所以..我该怎么做才能让它工作？

(现在挂起的确切字符是“�”，但我不只是搜索/替换，而是想找到一个更好的解决方案，这样这种问题就不会再发生了)

Answer 1

很有可能，您的 MySQL 数据库中的数据不是 UTF8。这是一个很常见的场景。 MySQL 至少过去根本不对数据进行任何适当的验证，因此只要您的客户声称它是 UTF8，它就会接受您作为 UTF8 扔给它的任何东西。他们现在可能已经解决了这个问题(或者没有，我不知道他们是否认为这是一个问题)，但是您可能已经在数据库中有错误编码的数据。当然，PostgreSQL 在加载时会执行完整验证，因此它可能会失败。

您可能希望通过 iconv 之类的东西提供数据，可以将其设置为忽略未知字符，或将它们转换为“最佳猜测”。