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：
- 从最新模式创建空表的新副本
- 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 - 将这些聚合结果插入到新表中
- 用新表替换原来的表