7

Esta pregunta nace en base ha esta otra Mi base de datos no estaba utf-8 , como arreglar las tildes,una vez ya insertada PHP [duplicada] marcada como duplicada por una posible respuesta aquí, ¿Por que el Carácter inspector (�) aparece en algunos datos obtenidos de la Base de Datos?

Es cierto que en proyectos nuevos no existe inconveninte alguno en reacer la base de datos con las codificaciones de acaracteres adecuadas si no lo establecimos correctamente en un principio, pues las tablas no estan pobladas o contienen pocos registros.

Pero en algunos casos asumimos proyectos con tablas pobladas con miles de registros, tal vez millones, en las que es imprescindible conservar los datos y corregirlos, hacer esto a mano es inviable. Por lo tanto la pregunta va en este sentido.

¿Cómo podemos migrar/arreglar los datos ya intruducidos de una tabla en latin1 con datos introducidos en utf8?

Dejo un ejemplo lo mas básico posible:

--
-- Estructura para la tabla `tabla_latin1` con datos insertados en UTF8
--

DROP TABLE IF EXISTS `tabla_latin1`;
CREATE TABLE IF NOT EXISTS `tabla_latin1` (
  `idTabla` int(11) NOT NULL AUTO_INCREMENT,
  `texto` varchar(255) CHARACTER SET latin1 COLLATE latin1_general_ci NOT NULL,
  PRIMARY KEY (`idTabla`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=latin1;

--
-- Volcado de datos para la tabla `tabla_latin1`
--

INSERT INTO `tabla_latin1` (`idTabla`, `texto`) VALUES
(1, 'Ç'),
(2, 'È'),
(3, 'É'),
(4, 'Ê'),
(5, 'Ë'),
(6, 'Ì'),
(8, 'ÃŽ'),
(11, 'Ñ'),
(12, 'Ã’'),
(13, 'Ó'),
(14, 'Ô'),
(15, 'Õ'),
(16, 'Ö');

--
-- datos correctos: ÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖ
--
3
  • ¿Todos los registros están mal cargado o puede que haya algunos que no?
    – Marcos
    Commented el 26 ene. 2018 a las 20:49
  • @Mariano Parece ser que al crear la pregunta se han podido alterar los datos, enconcreto esos que indicas, ahora edito y elimino esos para que el set de datos sea válido en cualquier caso no es mas que un ejemplo.
    – Xerif
    Commented el 26 ene. 2018 a las 21:15
  • @Marcos En este caso concreto podemos suponer que todos los registros se cargaron como UTF8.
    – Xerif
    Commented el 26 ene. 2018 a las 21:16

1 respuesta 1

1

Suponiendo que disponemos de una tabla en la que se guardaron registros en UTF8 cuando la tabla y columnas son latin1 por ejemplo, podemos jugar con CAST() y CONVERT() para optener el resultado adecuado.

Por ejemplo para la tabla dada:

--
-- Estructura de tabla para la tabla `tabla_latin1` con datos insertados en UTF8
--

DROP TABLE IF EXISTS `tabla_latin1`;
CREATE TABLE IF NOT EXISTS `tabla_latin1` (
  `idTabla` int(11) NOT NULL AUTO_INCREMENT,
  `texto` varchar(255) CHARACTER SET latin1 COLLATE latin1_general_ci NOT NULL,
  PRIMARY KEY (`idTabla`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=latin1;

--
-- Volcado de datos para la tabla `tabla_latin1`
--

INSERT INTO `tabla_latin1` (`idTabla`, `texto`) VALUES
(1, 'Ç'),
(2, 'È'),
(3, 'É'),
(4, 'Ê'),
(5, 'Ë'),
(6, 'Ì'),
(7, 'Ã'),
(8, 'ÃŽ'),
(9, 'Ã'),
(10, 'Ã'),
(11, 'Ñ'),
(12, 'Ã’'),
(13, 'Ó'),
(14, 'Ô'),
(15, 'Õ'),
(16, 'Ö');

Primero cambiamos la codificación de la tabla:

ALTER TABLE tabla_latin1 CHANGE `texto` `texto` VARCHAR(255) CHARACTER SET utf8mb4;
--Query OK, 16 rows affected (1,29 sec)
--Records: 16  Duplicates: 0  Warnings: 0

Podríamos ejecuar la siguiente consulta, pasando la columna a binario y luego a utf8 (utf8mb4) para revisar los datos:

SELECT CONVERT(cast (CONVERT (texto USING latin1) AS BINARY) USING utf8mb4) texto_en_utf8 FROM tabla_latin1;

Y optedriamos esto:

+---------------+
| texto_en_utf8 |
+---------------+
| Ç             |
| È             |
| É             |
| Ê             |
| Ë             |
| Ì             |
| Í             |
| Î             |
| Ï             |
| Ð             |
| Ñ             |
| Ò             |
| Ó             |
| Ô             |
| Õ             |
| Ö             |
+---------------+
16 rows in set (0,00 sec)

Si todo se ve correcto, solo nos quedaría hacer un UPDATE de la columna aplicando la misma conversión:

UPDATE tabla_latin1 SET texto = CONVERT(cast (CONVERT (texto USING latin1) as binary) USING utf8mb4);
-- Query OK, 16 rows affected (0,06 sec)
-- Rows matched: 16  Changed: 16  Warnings: 0

Y ahora podemos ver el resultado con un select normal:

SELECT * FROM tabla_latin1;
+---------+-------+
| idTabla | texto |
+---------+-------+
|       1 | Ç     |
|       2 | È     |
|       3 | É     |
|       4 | Ê     |
|       5 | Ë     |
|       6 | Ì     |
|       7 | Í     |
|       8 | Î     |
|       9 | Ï     |
|      10 | Ð     |
|      11 | Ñ     |
|      12 | Ò     |
|      13 | Ó     |
|      14 | Ô     |
|      15 | Õ     |
|      16 | Ö     |
+---------+-------+
16 rows in set (0,00 sec)

Por último cambiamos las codificaciones de la tabla:

ALTER TABLE tabla_latin1 COLLATE=utf8mb4_general_ci;
-- Query OK, 0 rows affected (0,07 sec)
-- Records: 0  Duplicates: 0  Warnings: 0
10
  • 1
    @Mariano Se ha de pensar que la base tabla tiene datos utf8, y que hoy en dia la implementacion de utf8 en mysql se queda corta, por ejemplo el caracter 💩 no se puede representar, la recomendación es utf8bm4 para mysql. Puedes revisar esta pregunta. Por otro de antemano podemos desconocer el set de datos de la tabla en su estado inicial, por lo que no se podría garantizar su utf8(mysql) cubre todos los caracteres que haya almacenados
    – Xerif
    Commented el 26 ene. 2018 a las 22:00
  • emoticons/astrales... ni la pensé. Tenés toda la razón!
    – Mariano
    Commented el 26 ene. 2018 a las 22:03
  • 1
    Plantearé una duda, no con mala intención, sino para ampliar un poco más el problema y que pueda haber una respuesta mejor y más completa... La codificación es algo que depende de muchos factores y no siempre es tan fácil como los ejemplos que tú pones, hay casos en que los caracteres se pueden guardar simplemente con este símbolo �, o con otros símbolos extraños que no son necesariamente símbolos con un patrón de correspondencia determinado. ¿Qué harías en esos casos?
    – A. Cedano
    Commented el 26 ene. 2018 a las 23:41
  • 1
    @Huskie, sí, es totalmente válido responder a su propia pregunta, si la misma es conforme a lo establecido por SO.
    – A. Cedano
    Commented el 27 ene. 2018 a las 0:39
  • 1
    @Huskie Veo que A.Cedano fue mas rápido, si es correcto autoresponder tu pregunta.
    – Xerif
    Commented el 27 ene. 2018 a las 0:40

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.