带有 MySQL 和 UTF-8 的 Django [重复]答案

【问题标题】：Django with MySQL and UTF-8 [duplicate]带有 MySQL 和 UTF-8 的 Django [重复]
【发布时间】：2012-10-18 08:45:54
【问题描述】：

可能重复：
How to filter (or replace) unicode characters that would take more than 3 bytes in UTF-8?

背景：

我将 Django 与 MySQL 5.1 一起使用，我遇到了 4 字节 UTF-8 字符的问题，导致整个 Web 应用程序出现致命错误。

我已使用a script 将我数据库中的所有表和列转换为 UTF-8，它已修复了大多数 unicode 问题，但 4 字节 unicode 字符仍然存在问题。如noted elsewhere，MySQL 5.1 不支持长度超过 3 个字节的 UTF-8 字符。

每当我在我的 Django 网站上的 ModelForm 中输入一个 4 字节的 unicode 字符（例如 ????）时，表单都会验证，然后引发类似于以下内容的异常：

Incorrect string value: '\xF0\x9F\x80\x90' for column 'first_name' at row 1

我的问题：

在具有 MySQL 5.1 数据库的 Django Web 应用程序中，避免由 4 字节 UTF-8 字符引起的致命错误的合理方法是什么。

我考虑过：

有选择地禁用 MySQL 警告以专门避免该错误消息（不确定这是否可能）
创建将通过 request.POST QueryDict 查找并替换/删除所有无效 UTF8 字符的中间件
以某种方式挂钩/更改/猴子修补为 Django 或 MySQLdb 输出 SQL 查询的机制，以在执行查询之前替换/删除所有无效的 UTF-8 字符

替换无效字符的示例中间件（灵感来自this SO question）：

import re

class MySQLUnicodeFixingMiddleware(object):

    INVALID_UTF8_RE = re.compile(u'[^\u0000-\uD7FF\uE000-\uFFFF]', re.UNICODE)

    def process_request(self, request):
        """Replace 4-byte unicode characters by REPLACEMENT CHARACTER"""
        request.POST = request.POST.copy()
        for key, values in request.POST.iterlists():
            request.POST.setlist(key,
                [self.INVALID_UTF8_RE.sub(u'\uFFFD', v) for v in values])

【问题讨论】：

标签： mysql django utf-8 mysql-5.1 utf8mb4

【解决方案1】：

你有升级mysql的选项吗？如果你这样做，你可以升级并将编码设置为 utf8mb4。

假设您没有该选项，我会为您看到以下选项：

1) 添加 java 脚本/前端验证以防止输入 1,2 或 3 字节 unicode 字符以外的任何内容，

2) 在您的模型中添加清理功能以去除任何 4 字节 unicode 字符的数据（这将是您的选项 2 或 3）

同时，看起来您的用户实际上使用的是 4 字节字符。如果有在您的应用程序中使用它们的商业案例，您可以行使权力并请求升级。

【讨论】：