postgresql - 将 Postgresql 数据库从 SQL_ASCII 就地转换为 UTF8

Question

(不是 4079956 的副本)

我有一个 SQL_ASCII 数据库，LC_CTYPE=LC_COLLATION="C"，其中主要包含 ASCII 数据以及来自某些代码页的一些非 ASCII 字符，例如 LATIN1。

我想转码，就地(没有pg_dump/pg-restore)，中的所有非ASCII代码点>LATIN1 codepage 到 UTF-8，然后将数据库编码更改为 UTF-8，例如:

-- change encoding first, transcode data after
UPDATE pg_database SET encoding=pg_char_to_encoding('UTF8')
  WHERE datname='sqlasciidb';
UPDATE tbl SET str=convert_from(str::bytea, 'LATIN1')
  WHERE str::bytea<>convert_from(str::bytea, 'LATIN1')::bytea;

或

-- transcode data first, change encoding after
CREATE DOMAIN my_varlena AS bytea;
CREATE CAST (my_varlena AS text) WITHOUT FUNCTION;
UPDATE tbl SET str=convert(str::bytea, 'LATIN1','UTF8')::my_varlena::text
  WHERE str::bytea<>convert(str::bytea, 'LATIN1', 'UTF8');
DROP DOMAIN my_varlena CASCADE;
UPDATE pg_database SET encoding=pg_char_to_encoding('UTF8')
  WHERE datname='sqlasciidb';

上述方法有什么问题？

我能看到的一些问题:

• pg_database 更新后，所有与数据库的连接都应该关闭并重新打开，以便后端考虑新的编码
• 应重建基于更改列的所有索引

还有什么吗？

Answer 1

看来您已经掌握了主要内容。我假设你已经用测试数据库试过了？在向某人推荐它时，我确实对其进行了快速测试，它似乎对我来说工作正常，尽管这远非彻底的测试。

我的直觉是先转码，然后再更改编码，因为当数据库仍在 SQL_ASCII 中时，您将不必处理 postgresql 试图解释尚未转码或不正确转码的数据的错误，并且可以相对不受惩罚地查看数据。 OTOH 首先更改编码保证只有随后连接的后端才会以 UTF8 写入数据...

还要检查函数体、 View 定义、约束定义等可能也需要转码的内容吗？ (你希望不会，但是......)