用SQL替换错误的codificaton字母

Question

我有一个包含互联网数据的数据库，但有些网页编码错误，ã等字母变为ã，ç变为ç。

有什么可能解决这个问题？我正在使用PostgreSQL。

我可以使用替换，但我需要替换每个案例？我正在考虑翻译，但我发现它只将一个字符转换为其他字符。可以将两个字符翻译成一个吗？类似于：TRANSLATE(text,'ã|ç','ã|ç')。

Answer 1

这个特殊问题看起来像你有UTF-8编码被解释为单字节字符集（“ç”变成“Ô表示iso-8859-1）。

您可以使用一长串replace(...)来单独解决这些问题。或者您可以使用postgresql自己的字符转换工具：

select convert_from(convert_to('£20 - garçon', 'iso-8859-1'), 'utf-8')

按顺序，这个：

• 使用iso-8859-1编解码器将字符串转换回二进制文件（假设所有代码点都在256以下，只会将unicode代码点更改回字节）
• 将二进制输出重新解释为UTF-8，因此{0xc2,0xa3}等序列被翻译为'£'

Answer 2

你可以通过替换它们来修复一些角色，但不是全部。通过使用错误的编码解码数据，您已经删除了一些信息，这是不可能的。

您应该找出这些页面的正确编码，并在解码数据时使用它。

某些页面在响应标头中具有编码，例如

Content-Type: text/html; charset=utf8

有些页面在HTML头中有编码，例如

<meta http-equiv="content-type" content="text/html; charset=utf-8" />

如果信息不在标题中，您首先必须使用ASCII编码对页面（或至少其中的一部分）进行解码（这不是问题，因为元标记不包含特殊字符），请查找编码，然后使用正确的编码解码页面。

Answer 3

PostgreSQL有一个字符串替换函数：

replace(string text, from text, to text)：用子串string替换from子串to中的所有匹配项

示例：

replace ('abcdefabcdef', 'cd', 'XX') ==> abXXefabXXef