我正在维护的应用程序使用'latin1'字符集将从Web日志中提取的用户代理加载到MySQL表列中。有时，它无法加载看起来像这样的用户代理：
Mozilla/5.0 (Iâ?; CPU iPhone OS 5_0_1 like Mac OS X) AppleWebKit/534.46 (KHTML^C like Gecko) Version
我怀疑它在Iâ?上窒息。我正在努力弄清楚是否应该支持它，或者它是否是上游日志记录系统引入的损坏。这是HTTP标头中的合法用户代理吗？
答案 0 :(得分：13)
RFC 2616（HTTP 1.1）says邮件标题内容必须“由*TEXT或标记，分隔符和引用字符串”的组合组成。如果您查看TEXT等的definitions，您会发现合法字符是字节值不在[0,31]范围内且不等于127的字符;因此，根据规范，â这样的字符就我所说的合法。
答案 1 :(得分：4)
技术上，八位字节＆gt;评论中允许使用127条。 RFC 2616使它们默认为ISO-8859-1，但HTTPbis（即将发布的RFC 2616版本）已经删除了该规则，因此有时在遥远的未来，我们可能会转向合理的编码。
建议：剥离所有八位字节＆gt; 127。
答案 2 :(得分：2)
HTTP 1.1 RFC2616是指ISO-8859-1，它是一种基于拉丁语的单字节字符集。
考虑到HTTP流量应该是单字节，我也使用latin1字符集作为我的类似日志。决定只是让我的索引更小。
如果将UTF8与VARCHAR一起使用，则只有多字节的字符需要额外的字节，所以在表空间中，它并不多。但是，索引是固定宽度存储的，因此，只要你需要它们，它们就会用空格填充（UTF8索引是latin1索引的三倍）。
如果偶尔的奇数标题不可读，它不会影响我。但是，如果您没有为列编制索引，也可以使用UTF8。