如何找出某个字符串在我的数据库中编码的字符？

Question

最近我导出了我的mySQL 数据库的部分内容，并注意到文本中有几个奇怪的字符。比如字符串’经常出现。

当试图找出这意味着什么时，我发现了 stackoverflow 问题：Character Encoding and the ’ Issue。从那个问题我现在知道字符串 ’ 代表引号。

但是我怎样才能更普遍地找出一串字符代表什么？例如，Â这个字母也经常出现在我的数据库中，实际上是在某个页面上给我带来了问题，为了解决这个问题，我想知道那个字符的含义。

我查看了几个显示字符编码的表格，但无法弄清楚如何使用这些表格来了解为什么 ’ 意味着 '，或者，对我来说更重要的是，Â代表。如果有人能指出正确的方向，我将不胜感激。

Answer 1

’ 的 latin1 编码是（十六进制）E28099。

’ 的 utf8 编码是 E28099。

但是你粘贴了C3A2E282ACE284A2，这是那个撇号的“双重编码”。

显然发生的事情是您在客户端中有’；客户端正在生成 utf8 编码。但是您与 MySQL 的连接参数说“latin1”。因此，您的 INSERT 语句尽职尽责地将其视为 3 个 latin1 字符 E2 80 99（视觉上为 ’），并将每个字符转换为 utf8、十六进制 C3A2 E282AC E284A2。

阅读Trouble with UTF-8 characters; what I see is not what I stored中的“双重编码”

同时，浏览器倾向于容忍双重编码，否则它可能会显示’

latin1 个字符是每个 1 字节（2 个十六进制数字）。 utf8/utf8mb4 字符为 1 到 4 个字节；您的练习中出现了一些 2 字节和 3 字节的编码。

至于Â...转到http://mysql.rjweb.org/doc.php/charcoll#8_bit_encodings 并查看那里的第二张表。注意前两列有很多以Â 开头的内容。在 latin1 中，即十六进制 C2。在 utf8 中，许多标点符号被编码为 2 个字节：C2xx。例如，版权符号© 是utf8 hex C2A9，被误解为©。