Błąd MySQL „nieprawidłowa wartość ciągu” podczas zapisywania ciągu znaków Unicode w Django

Otrzymałem dziwny komunikat o błędzie, gdy próbowałem zapisać first_name, last_name w modelu auth_user Django.

Nieudane przykłady

user = User.object.create_user(username, email, password)
user.first_name = u'Rytis'
user.last_name = u'Slatkevičius'
user.save()
>>> Incorrect string value: '\xC4\x8Dius' for column 'last_name' at row 104

user.first_name = u'Валерий'
user.last_name = u'Богданов'
user.save()
>>> Incorrect string value: '\xD0\x92\xD0\xB0\xD0\xBB...' for column 'first_name' at row 104

user.first_name = u'Krzysztof'
user.last_name = u'Szukiełojć'
user.save()
>>> Incorrect string value: '\xC5\x82oj\xC4\x87' for column 'last_name' at row 104

Udane przykłady

user.first_name = u'Marcin'
user.last_name = u'Król'
user.save()
>>> SUCCEED

Ustawienia MySQL

mysql> show variables like 'char%';
+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | utf8                       | 
| character_set_connection | utf8                       | 
| character_set_database   | utf8                       | 
| character_set_filesystem | binary                     | 
| character_set_results    | utf8                       | 
| character_set_server     | utf8                       | 
| character_set_system     | utf8                       | 
| character_sets_dir       | /usr/share/mysql/charsets/ | 
+--------------------------+----------------------------+
8 rows in set (0.00 sec)

Zestaw znaków i sortowanie w tabeli

Tabela auth_user ma zestaw znaków utf-8 z sortowaniem utf8_general_ci.

Wyniki polecenia UPDATE

Nie spowodowało to żadnego błędu podczas aktualizacji powyższych wartości do tabeli auth_user za pomocą polecenia UPDATE.

mysql> update auth_user set last_name='Slatkevičiusa' where id=1;
Query OK, 1 row affected, 1 warning (0.00 sec)
Rows matched: 1  Changed: 1  Warnings: 0

mysql> select last_name from auth_user where id=100;
+---------------+
| last_name     |
+---------------+
| Slatkevi?iusa | 
+---------------+
1 row in set (0.00 sec)

PostgreSQL

Wymienione powyżej wartości, które nie powiodły się, można zaktualizować do tabeli PostgreSQL po przełączeniu bazy danych w Django. To dziwne.

mysql> SHOW CHARACTER SET;
+----------+-----------------------------+---------------------+--------+
| Charset  | Description                 | Default collation   | Maxlen |
+----------+-----------------------------+---------------------+--------+
...
| utf8     | UTF-8 Unicode               | utf8_general_ci     |      3 | 
...

Ale z http://www.postgresql.org/docs/8.1/interactive/multibyte.html znalazłem:

Name Bytes/Char
UTF8 1-4

Czy oznacza to, że znak Unicode ma maksymalnie 4 bajty w PostgreSQL, ale 3 bajty w MySQL, co spowodowało powyższy błąd?

Żadna z tych odpowiedzi nie rozwiązała problemu za mnie. Podstawową przyczyną jest:

Nie można przechowywać 4-bajtowych znaków w MySQL z zestawem znaków utf-8.

MySQL ma limit 3 bajtów na znaki utf-8 (tak, jest głupi, ładnie podsumowany przez programistę Django tutaj )

Aby rozwiązać ten problem, musisz:

1. Zmień swoją bazę danych, tabelę i kolumny MySQL, aby używać zestawu znaków utf8mb4 (dostępne tylko od MySQL 5.5 i nowszych )
2. Określ zestaw znaków w pliku ustawień Django, jak poniżej:

settings.py

DATABASES = {
    'default': {
        'ENGINE':'django.db.backends.mysql',
        ...
        'OPTIONS': {'charset': 'utf8mb4'},
    }
}

Uwaga: podczas ponownego tworzenia bazy danych możesz napotkać problem „ Określony klucz był za długi ”.

Najbardziej prawdopodobną przyczyną jest CharFielddługość maksymalna równa 255 i jakiś indeks (np. Unique). Ponieważ utf8mb4 zużywa o 33% więcej miejsca niż utf-8, musisz zmniejszyć te pola o 33%.

W takim przypadku zmień max_length z 255 na 191.

Alternatywnie możesz edytować konfigurację MySQL, aby usunąć to ograniczenie, ale nie bez hakera django

AKTUALIZACJA: Ponownie napotkałem ten problem i skończyłem przełączając się na PostgreSQL, ponieważ nie byłem w stanie zredukować moich VARCHARznaków do 191.

Miałem ten sam problem i rozwiązałem go, zmieniając zestaw znaków w kolumnie. Mimo że baza danych ma domyślny zestaw znaków utf-8, myślę, że kolumny bazy danych mogą mieć inny zestaw znaków w MySQL. Oto zapytanie SQL, którego użyłem:

    ALTER TABLE database.table MODIFY COLUMN col VARCHAR(255)
    CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL;

Jeśli masz ten problem, oto skrypt w Pythonie, który automatycznie zmienia wszystkie kolumny bazy danych mysql.

#! /usr/bin/env python
import MySQLdb

host = "localhost"
passwd = "passwd"
user = "youruser"
dbname = "yourdbname"

db = MySQLdb.connect(host=host, user=user, passwd=passwd, db=dbname)
cursor = db.cursor()

cursor.execute("ALTER DATABASE `%s` CHARACTER SET 'utf8' COLLATE 'utf8_unicode_ci'" % dbname)

sql = "SELECT DISTINCT(table_name) FROM information_schema.columns WHERE table_schema = '%s'" % dbname
cursor.execute(sql)

results = cursor.fetchall()
for row in results:
  sql = "ALTER TABLE `%s` convert to character set DEFAULT COLLATE DEFAULT" % (row[0])
  cursor.execute(sql)
db.close()

Jeśli jest to nowy projekt, po prostu upuściłbym bazę danych i utworzył nową z odpowiednim zestawem znaków:

CREATE DATABASE <dbname> CHARACTER SET utf8;

Właśnie wymyśliłem jedną metodę, aby uniknąć powyższych błędów.

Zapisz do bazy danych

user.first_name = u'Rytis'.encode('unicode_escape')
user.last_name = u'Slatkevičius'.encode('unicode_escape')
user.save()
>>> SUCCEED

print user.last_name
>>> Slatkevi\u010dius
print user.last_name.decode('unicode_escape')
>>> Slatkevičius

Czy jest to jedyna metoda zapisywania takich łańcuchów w tabeli MySQL i dekodowania ich przed renderowaniem do szablonów w celu wyświetlenia?

Możesz zmienić sortowanie swojego pola tekstowego na UTF8_general_ci, a problem zostanie rozwiązany.

Zauważ, że nie można tego zrobić w Django.

Nie próbujesz zapisywać ciągów znaków Unicode, tylko próbujesz zapisać bajtesty w kodowaniu UTF-8. Ustaw je jako rzeczywiste literały znaków Unicode:

user.last_name = u'Slatkevičius'

lub (jeśli nie masz literałów łańcuchowych) dekoduj je za pomocą kodowania utf-8:

user.last_name = lastname.decode('utf-8')

Po prostu zmień swój stół, nie musisz nic robić. po prostu uruchom to zapytanie w bazie danych. ALTER TABLE table_nameCONVERT TO CHARACTER SET utf8

to na pewno zadziała.

Ulepszenie @madprops answer - rozwiązanie jako polecenie zarządzania django:

import MySQLdb
from django.conf import settings

from django.core.management.base import BaseCommand


class Command(BaseCommand):

    def handle(self, *args, **options):
        host = settings.DATABASES['default']['HOST']
        password = settings.DATABASES['default']['PASSWORD']
        user = settings.DATABASES['default']['USER']
        dbname = settings.DATABASES['default']['NAME']

        db = MySQLdb.connect(host=host, user=user, passwd=password, db=dbname)
        cursor = db.cursor()

        cursor.execute("ALTER DATABASE `%s` CHARACTER SET 'utf8' COLLATE 'utf8_unicode_ci'" % dbname)

        sql = "SELECT DISTINCT(table_name) FROM information_schema.columns WHERE table_schema = '%s'" % dbname
        cursor.execute(sql)

        results = cursor.fetchall()
        for row in results:
            print(f'Changing table "{row[0]}"...')
            sql = "ALTER TABLE `%s` convert to character set DEFAULT COLLATE DEFAULT" % (row[0])
            cursor.execute(sql)
        db.close()

Mam nadzieję, że to pomoże nikomu oprócz mnie :)