mysql - 从 PHP 应用程序导入 Rails 应用程序时出现 UTF-8 编码问题

Question

我有使用 MySQL 作为其开发数据库的 Rails 应用程序(Rails 3.0.1，Ruby 1.9.2)。数据库设置为使用“utf8_unicode_ci”排序规则，以及所有字段。我还有一个遗留的 PHP 应用程序，此 Rails 应用程序设置为在完成时替换它。 PHP 应用程序也使用 MySQL，但所有字段都使用“latin1_sweedish_ci”。我编写了同时使用 MySQL API 和 ActiveRecord 将数据从旧数据库导入新数据库的 Rake 任务，在遇到源数据库中的 Unicode 字符之前，这似乎进展顺利。使用“mysql”gem 时，在运行 rake 任务并尝试加载上面包含 Unicode 字符的页面后，出现以下错误:

不兼容的字符编码:ASCII-8BIT 和 UTF-8

但是，切换到“ruby-mysql”gem 并重新启动服务器可以解决问题，并且 Unicode 字符可以正确显示。但是，它仅适用于这种组合，因为当我使用“ruby-mysql”gem 导入数据时，页面呈现但所有 Unicode 都被弄乱并替换为垃圾字符。

我能做些什么来解决这个问题，或者至少能够导入我的数据并在不更改源代码的情况下呈现它？我在 OS X Snow Leopard 上从 MacPorts 运行 MySQL 服务器 5.1.53。我已经将“mysql”和“ruby-mysql”gems 都编译为 64 位，尽管我确实使用“arch=i386”启动 OS X，因此可能没有必要。

这里是一个 rake 任务的例子:

  desc "Imports posts from legacy app"
  task :posts => :environment do
    my = Mysql.connect("localhost", "importer", "*password removed*", "publicweb", nil, "/opt/local/var/run/mysql5/mysqld.sock")
    res = my.query("SELECT * FROM updates")
    res.each do |row|
      post = Post.new
      post.title = Legacy.strip_slashes row[1]
      post.body = Legacy.resolve_bbcode row[3], true
      post.published_at = Time.parse(row[4])
      post.author = User.where(:login => row[2]).first
      post.old_id = row[0]
      post.old_slug = row[5]
      post.state = "published"
      post.save!
    end
    puts "Imported #{res.num_rows} posts"
  end

Answer 1

我很确定您现在应该使用 mysql2 gem，因为它得到了更好的支持。无论如何，这是新 Rails 应用程序中的默认设置。

就解决您的编码问题而言，PHP 应用程序是否有任何原因无法处理 UTF-8？如果没有，那么最简单的做法就是按照本文中的步骤操作:

http://en.gentoo-wiki.com/wiki/Convert_latin1_to_UTF-8_in_MySQL

我通过快速 Google 搜索找到了它。这可能有效，但我绝对不能保证，所以我建议您先进行备份并运行一些测试。