Mojibuster

Oprava české diakritiky v MySQL a phpMyAdminu

phpMyAdmin, SQL dump nebo vaše aplikace ukazují Ä› místo ě nebo ? místo ř? Obvykle si tabulka, spojení a import neodpovídají. Mojibuster opraví export přímo v prohlížeči – a potom nastavíte MySQL správně natrvalo.

Funguje s textem a soubory:

  • CSV
  • TXT
  • JSON
  • XML
  • SRT
  • VTT
  • SMI
  • TSV
  • MD
  • HTML
  • SQL
  • LOG

Například exporty z Excelu, výpisy databází, titulky nebo kód webových stránek.

Opravit

  1. Přetáhněte soubor nebo vložte text
  2. Oprava proběhne automaticky
  3. Zkopírujte nebo stáhněte
nebo soubor jednoduše přetáhněte sem

Tři místa, kde MySQL potřebuje kódování

  • Sloupec nebo tabulka: znaková sada, ve které jsou data uložená, například utf8mb4, latin2 nebo cp1250.
  • Spojení: znaková sada, ve které spolu klient a server komunikují – nastavuje se příkazem SET NAMES utf8mb4 nebo v nastavení spojení.
  • Soubor: kódování, ve kterém se čte import nebo zapisuje export – v phpMyAdminu v poli Znaková sada souboru.

Pokud se tato tři nastavení neshodují, diakritika se rozbije. Nejčastější případ: text v UTF-8 se přes spojení latin1 zapsal do sloupce latin1. Aplikace vypadá v pořádku, ale phpMyAdmin a export ukazují Ä› a Ĺ™.

Řádek z exportu CSV z phpMyAdminu

Před

"1","Jiří Dvořák","Příčná 12","Třebíč"

Po

"1","Jiří Dvořák","Příčná 12","Třebíč"

Zkontrolujte znakové sady

  • SHOW VARIABLES LIKE 'character_set%'; ukáže nastavení serveru a spojení.
  • SHOW CREATE TABLE zakaznici; ukáže znakovou sadu tabulky a jejích sloupců.
  • SELECT prijmeni, HEX(prijmeni) FROM zakaznici LIMIT 5; ukáže skutečné bajty: ve sloupci utf8mb4 je C3A9 písmeno é, zatímco C383C2A9 je už rozbité é.

Oprava exportu nebo dumpu

  1. Exportujte tabulku v phpMyAdminu jako SQL nebo CSV – nebo příkazem mysqldump --default-character-set=utf8mb4.
  2. Přetáhněte soubor do pole výše. Mojibuster opraví jen rozbitá místa, správné znaky zůstanou beze změny.
  3. Zkontrolujte opravená místa v části Co se změnilo? a stáhněte soubor.
  4. Naimportujte ho do tabulky s utf8mb4 a v dialogu importu zvolte znakovou sadu utf-8.
  5. Nejdřív to vyzkoušejte na kopii, než nahradíte skutečnou tabulku.

Export nikdy neopustí váš počítač – což u zákaznických dat záleží. Pokud jsou texty v databázi rozbité hned ve více vrstvách, přečtěte si stránku co je mojibake.

Odstraňte příčinu

  • Nové tabulky vytvářejte s DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci. Pro české řazení lze použít i utf8mb4_czech_ci.
  • Nastavte v aplikaci spojení utf8mb4, v PHP například přes charset=utf8mb4 v DSN pro PDO.
  • Pokud jsou bajty UTF-8 uložené ve sloupci latin1, nepřevádějte ho přímo přes CONVERT TO – zakódovali byste je podruhé a vznikl by dvakrát zakódovaný text. Bezpečná cesta vede přes binární typ: nejdřív MODIFY prijmeni VARBINARY(255), potom MODIFY prijmeni VARCHAR(255) CHARACTER SET utf8mb4.
  • Pokud MySQL nahrazuje písmena znakem ?, sloupec nebo spojení je neumí uložit. Co je takto uloženo, je ztraceno – víc na stránce co je mojibake.

Časté otázky

Proč v aplikaci vše vypadá správně, ale v phpMyAdminu ne?

Protože aplikace a databáze dělají stejnou chybu dvakrát: aplikace zapisuje UTF-8 přes spojení latin1 a stejně to i čte. phpMyAdmin se připojuje správně, a proto ukazuje, co je skutečně uloženo.

Jakou collation zvolit?

utf8mb4_unicode_ci se hodí pro většinu aplikací, od MySQL 8 je výchozí utf8mb4_0900_ai_ci. Důležitější je znaková sada utf8mb4 – ne utf8, která v MySQL neuloží emoji.

Funguje to i s MariaDB?

Ano. MariaDB zachází se znakovými sadami stejně jako MySQL a příkazy jsou stejné.

Jak velký může být dump?

Až 100 MB na soubor. Větší databáze exportujte tabulku po tabulce.

Další návody

Další návody v angličtině