mysql - R 和 MySQL 的编码问题

Question

好像我又翻开了 hell 编码这本书的另一章。我在使用 R 从 MySQL 数据库中提取和写入数据时遇到问题寻求帮助。经过很长一段时间后，我能够写回数据，但仍然不明白到底发生了什么。

library(RMySQL)
library(dbplyr)

con <- dbConnect(MySQL(), 
         host = "localhost",
         user = "root",
         dbname="test",
         password = rstudioapi::askForPassword("Database password"))

address <- as_tibble(tbl(con, "address")) 

提取的地址数据框看起来像

address <- structure(list(address_id = c(1809463, 2213341, 2614879, 4536353
), street = c("5, RUE DU GRAND CORMORAN APPT. C15", "14, PLACE EGLISE", 
"1058 TENNESSEE", "38 ALLEE GERARD DE NERVAL"), city = c("31240 L A°NION", 

"85140 L AÂIE", "ELK GROVE VILLAGE A¨LLINOIS 60007", "F-69360 SAINT-
SYPHORIEN D AÂZON"
)), .Names = c("address_id", "street", "city"), row.names = c(NA, 
-4L), class = c("tbl_df", "tbl", "data.frame"))

您可以立即看到 address$city 中存在一些编码问题，因此我运行

address$city <-  iconv(address$city, from = "UTF-8", "windows-1252")

这似乎修复了它，因为现在一切看起来都很好，但是当我想将文件写回 MySQL 时，我再次遇到编码问题，出现以下错误

dbWriteTable(con, value =address, name = "address_cleaned", overwrite=TRUE ,rownames = FALSE ) 

Error in .local(conn, statement, ...) : could not run statement: Invalid utf8 character string: '31240 L A'

我现在所做的解决了问题，但我不太明白发生了什么。

Encoding(address$city) <- 'UTF-8'
address$city <-  iconv(address$city, from =  "windows-1252","UTF-8")
address$city <-  iconv(address$city, from =  "latin1","UTF-8")

虽然这段代码可以工作，但它看起来更像是一种变通方法，而不是真正的解决方案。我确信这与 MySQL 数据的编码以及 Windows 作为我的操作系统有关，但我想知道是否有更优雅的解决方案。

其他信息

dbGetQuery(con, "SHOW VARIABLES LIKE 'character_set_%';")
             Variable_name                                                         Value
1     character_set_client                                                          utf8
2 character_set_connection                                                          utf8
3   character_set_database                                                          utf8
4 character_set_filesystem                                                        binary
5    character_set_results                                                          utf8
6     character_set_server                                                          utf8
7     character_set_system                                                          utf8
8       character_sets_dir C:\\Program Files\\MySQL\\MySQL Server 5.7\\share\\charsets\\

和

Sys.getlocale()
[1] "LC_COLLATE=English_United States.1252;LC_CTYPE=English_United States.1252;LC_MONETARY=English_United States.1252;LC_NUMERIC=C;LC_TIME=English_United States.1252"

编辑 1. 十六进制

1809463 31240 L A°NION  3331323430204C2041C2B04E494F4E
2213341 85140 L AIE 3835313430204C2041C2904945
2614879 ELK GROVE VILLAGE A¨LLINOIS 60007   454C4B2047524F56452056494C4C4147452041C2A84C4C494E4F4953203630303037
4536353 F-69360 SAINT-SYPHORIEN D AZON  462D3639333630205341494E542D535950484F5249454E20442041C2905A4F4E

Answer 1

不要使用任何转换函数，它可能会让事情变得更糟。

¡ 是 ¡ 的 Mojibake，° 是 ° 的 °。由于我在每个字符之前都看到 A，我猜您正在尝试通过先键入 A，然后键入重音来输入带重音的 A。但是，您的数据输入工具无法将这些结合起来。您使用什么编辑器？

(是的，你已经“翻开了 hell 编码书的另一章”——我见过很多字符集问题，但到目前为止还没有看到这个。)