java – 如何清除不适合MySQL中utf8编码的坏字符？

use Encode;
binmode(STDOUT,":utf8");
while (<>) {
    print Encode::decode('UTF-8',$_);
}

该脚本在stdin上占用(可能已损坏)UTF-8,并将有效的UTF-8重新打印到stdout.无效字符被替换为 (U FFFD,Unicode replacement character).

如果您在良好的UTF-8输入上运行此脚本,输出应与输入相同.

如果您在数据库中有数据,使用DBI扫描表格并使用此方法清理所有数据,以确保所有内容都是有效的UTF-8是有意义的.

这是同一脚本的Perl一线版本：

perl -MEncode -e "binmode STDOUT,':utf8';while(<>){print Encode::decode 'UTF-8',$_}" < bad.txt > good.txt

编辑：添加仅Java解决方案.

这是一个在Java中如何做到这一点的例子：

import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CodingErrorAction;

public class UtfFix {
    public static void main(String[] args) throws InterruptedException,CharacterCodingException {
        CharsetDecoder decoder = Charset.forName("UTF-8").newDecoder();
        decoder.onMalformedInput(CodingErrorAction.REPLACE);
        decoder.onUnmappableCharacter(CodingErrorAction.REPLACE);
        ByteBuffer bb = ByteBuffer.wrap(new byte[] {
            (byte) 0xD0,(byte) 0x9F,// 'П'
            (byte) 0xD1,(byte) 0x80,// 'р'
            (byte) 0xD0,// corrupted UTF-8,was 'и'
            (byte) 0xD0,(byte) 0xB2,// 'в'
            (byte) 0xD0,(byte) 0xB5,// 'е'
            (byte) 0xD1,(byte) 0x82  // 'т'
        });
        CharBuffer parsed = decoder.decode(bb);
        System.out.println(parsed);
        // this prints: Пр?вет
    }
}