背景:
我正在将 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。
我使用脚本将数据库中的所有表和列转换为 UTF-8,它修复了大多数 unicode 问题,但 4 字节 unicode 字符仍然存在问题。如其他地方所述,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)
- 创建将查看
request.POST
QueryDict
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(受此SO question启发):
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])