问题[charset](server)

我的 spamassassin 设置非常旧，并且已经迁移到两台机器和多个 mysql 重新安装。我最近注意到，sa-learn在消息上运行时，我的日志中会出现大量错误，如下所示：

bayes: _put_token: SQL error: Incorrect string value: '\x8A\x98s\x9A\xC8' for column 'token' at row 1

我检查了数据库并进行了一些研究，发现这个非常古老的错误报告指出了这个问题：我的架构（非常！）过时了。该列bayes_token.token是CHAR(5)排序规则 utf8_general_ci，截至 9 年前，应该是BINARY(5).

我不能简单地转换列类型，因为许多 UTF8 5-char 值长于 5 个字节（表有 ~110K 行）。

我的问题是：是否有任何方法可以截断过长的标记，使它们在贝叶斯分类器中保持有效？或者如果失败了，我可以只删除那些行，以便我可以将其余部分转换为二进制？

更新：我确实设法将列内容传输到BINARY(5)表中的一个添加列（这里命名为token2），如下所示：

UPDATE bayes_token SET token2 = CONVERT(token USING latin1);

这与我所能想到的“退回”插入时令牌发生的事情一样接近。但是，结果列中有许多重复项，并且由于该token列是主键的一部分，这不好。

我认为数据可以保存，但可能不是纯 SQL。我需要：

1. 从最新模式创建空表的新副本
2. 对每个标记的所有重复项进行分组，并将这些行的值ham_count和spam_count最大值相加atime
3. 将这些聚合结果插入到新表中
4. 用新表替换原来的表

我有这段代码在 chrome 浏览器窗口中按预期工作。这是 Athena 中的 Amazon Web Services 创建表语句。

CREATE EXTERNAL TABLE IF NOT EXISTS default.sh_code (
  `shcode` string,
  `mob` bigint,
  `c_id` int,
  `o_series` int,
  `c_at` timestamp,
  `archive` int 
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
  'field.delim' = '\t'
) LOCATION 's3://testme16234/short_unique_codes/'
TBLPROPERTIES ('has_encrypted_data'='false');

如果我将代码复制粘贴到 gmail 撰写窗口中，则很难取回相同的代码。我可以从 gmail 窗口复制粘贴回 AWS 窗口，但执行时出现错误。当我将代码粘贴到 gmail 撰写窗口中时，文本中是否添加了一些额外的代码？

我想故意为我服务器上的某些页面生成 404 错误，我目前正在处理标题。问题是，对于存在的脚本（并且我在脚本中给出了 404 错误），Content-Type标题字段显示text/html; charset=UTF-8，而对于真正的 404 页面，相同的字段显示text/html; charset=iso-8859-1，这违背了我的目的。我尝试添加AddDefaultCharset UTF-8到主配置，但没有运气。问题是，如何在这些真正的错误页面上设置字符集？

我想使用 mysqldump 备份存储在 MySQL 服务器 5.1.36 中的 mediawiki 数据库。

大多数 wiki 文章都是用西班牙语编写的，并且不想通过使用错误的字符集创建转储来搞砸它。

mysql> status
--------------
...
Current database:       wikidb
Current user:           root@localhost
...
Server version:         5.1.36-community-log MySQL Community Server (GPL)
....
Server characterset:    latin1
Db     characterset:    utf8
Client characterset:    latin1
Conn.  characterset:    latin1
...

使用以下命令：

mysql> show create table text;

我看到 table create 语句将字符集设置为binary：

CREATE TABLE `text` (
  `old_id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `old_text` mediumblob NOT NULL,
  `old_flags` tinyblob NOT NULL,
  PRIMARY KEY (`old_id`)
) ENGINE=InnoDB AUTO_INCREMENT=317 DEFAULT CHARSET=binary MAX_ROWS=10000000 AVG_ROW_LENGTH=10240

我应该如何使用 mysqldump 为该数据库正确生成备份？

如何检查mysql数据库的字符集和排序规则？或者mysql数据库的字符集和排序规则是什么命令？

谢谢

我想知道mysql编码字符集UTF8中的这些两个排序规则之间是否有任何不同：
utf8_general_ci它们 看起来都一样！注意：现在我只用英语写它们，但我担心如果我插入另一种语言（如阿拉伯语）会产生副作用。utf8_unicode_ci

在 UTF8 和非 UTF8 字符串出现一些问题之后，我们正在对 UTF8 进行标准化。我需要做的一件事是检查 MySQL 数据库中的所有内容是否都是 UTF8 格式？我需要检查什么？

• 服务器默认字符集
• 每个数据库的默认字符集
• 每个文本列都有一个字符集吗？我该如何检查？

我正在考虑将所有这些都放在一个 nagios 插件中，以检查所有内容是否都在 UTF8 中。建议？

为了将 MySQL 服务器的默认字符集设置为 utf8，我添加了以下选项my.ini

character-set-server=utf8
default-collation=utf8_unicode_ci

但是当我启动 mysql 客户端时，我收到以下错误消息：

错误：在配置文件中找到没有前面组的选项：C:\dev\tools\mysql\my.ini 在行：2 默认处理中的致命错误。程序中止

有谁知道在这个配置文件中设置默认字符集的正确方法是什么？