如何在PostgreSQL中修复双重编码?

时间:2011-11-18 16:51:33

标签: sql postgresql encoding utf-8

我在PostgreSQL中有一个带有单词的表,但有些单词的UTF-8字符无效,如0xe7e36f0xefbfbd

如何识别无效字词中的所有字符,并用?之类的符号替换它们?

编辑:我的数据库位于UTF-8,但我认为其他各种编码都有双重编码。我认为这是因为当我尝试将一种类型转换为LATIN1时,我收到一条错误消息,指出某些字符不存在于该编码中,当我更改为LATIN2时,我得到 相同的错误,但与另一个角色。

那么,有什么可以解决这个问题?

1 个答案:

答案 0 :(得分:0)

用法

这是我的具体案例的解决方案,但也许通过一些修改可以帮助其他人。

用法

SELECT fix_wrong_encoding('LATIN1');

功能

-- Convert words with wrong encoding
CREATE OR REPLACE FUNCTION fix_wrong_encoding(encoding_name VARCHAR)
RETURNS VOID
AS $$
DECLARE     
    r RECORD;
    counter INTEGER;
    token_id INTEGER;
BEGIN
    counter = 0;
    FOR r IN SELECT t.id, t.text FROM token t
    LOOP
        BEGIN
            RAISE NOTICE 'Converting %', r.text;
            r.text := convert_from(convert_to(r.text,encoding_name),'UTF8');
            RAISE NOTICE 'Converted to %', r.text;
            RAISE NOTICE 'Checking existence.';
            SELECT id INTO token_id FROM token WHERE text = r.text;             
            IF (token_id IS NOT NULL) THEN
                BEGIN
                    RAISE NOTICE 'Token already exists. Updating ids in textblockhastoken';
                    IF(token_id = r.id) THEN
                        RAISE NOTICE 'Token is the same.';
                        CONTINUE;
                    END IF;
                    UPDATE textblockhastoken SET tokenid = token_id
                    WHERE tokenid = r.id;
                    RAISE NOTICE 'Removing current token.';
                    DELETE FROM token WHERE id = r.id;
                END;
            ELSE
                BEGIN
                    RAISE NOTICE 'Token don''t exists. Updating text in token';
                    UPDATE token SET text = r.text WHERE id = r.id;
                END;
            END IF;
            EXCEPTION WHEN untranslatable_character THEN
                --do nothing
            WHEN character_not_in_repertoire THEN
                --do nothing
            END;
            counter = counter + 1;
            RAISE NOTICE '% token converted', counter;
    END LOOP;
END
$$
LANGUAGE plpgsql;