导入前必须确认源文件编码与目标库字符集匹配，否则生僻字会从保存时就出错；应通过file -i或vs code查真实编码，show create database查库字符集，导入时用--default-character-set显式指定，并用hexdump留底验证。
导入前必须确认源文件编码和目标库字符集是否匹配
生僻字乱码不是导入后才出的问题，而是从文件保存那一刻就埋了雷。常见错误是用 utf-8 编码保存的 sql 文件，却用 latin1 连接 mysql 导入，或者反过来——文件其实是 gbk，但客户端设成了 utf8mb4，结果所有生僻字变成 ? 或乱码字符串。
实操建议：
- 用
file -i your_dump.sql（Linux/macOS）或 VS Code 底部状态栏查看真实编码，别信文件扩展名 - MySQL 中查目标库默认字符集：
SHOW CREATE DATABASE your_db;，重点看DEFAULT CHARACTER SET和COLLATE - 导入命令里显式指定连接编码，例如：
mysql --default-character-set=utf8mb4 -u user -p your_db - 如果源 SQL 文件含
SET NAMES，检查它是否与实际文件编码一致；不一致就手动删掉或改成正确值
导入时跳过字符集自动转换陷阱（MySQL 8.0+ 尤其关键）
MySQL 8.0 默认启用 skip-character-set-client-handshake，且客户端连接时若没传 --default-character-set，服务端会按全局 character_set_client 解析 SQL 字符——哪怕你文件是 utf8mb4，它也可能按 utf8（即 utf8mb3）解析，导致四字节生僻字被截断成乱码。
实操建议：
- 导入前执行：
SET NAMES utf8mb4 COLLATE utf8mb4_unicode_ci;（在 SQL 文件开头加这句，或在命令行中先连上再执行） - 检查服务端变量：
SHOW VARIABLES LIKE 'character\_set%';，确保character_set_client、character_set_connection、character_set_results全是utf8mb4 - 避免用 GUI 工具（如 Navicat、DBeaver）直接“执行 SQL 文件”——它们常忽略文件真实编码，优先用界面设置的编码读取，建议改用命令行
导入后立即验证生僻字是否真正落库（不只是 SELECT * 看一眼）
SELECT 查询显示正常 ≠ 数据真的存对了。MySQL 可能用替换字符（如 ）填充损坏字节，表面看着像字，实际是占位符；或者字段定义仍是 utf8 而非 utf8mb4，导致后续插入失败但历史数据“侥幸”显示。
实操建议：
- 查字段实际编码：
SHOW FULL COLUMNS FROM your_table LIKE 'your_column';，确认Collation是utf8mb4_*开头，不是utf8_* - 用十六进制验证：对含生僻字的记录执行
SELECT HEX(your_column) FROM your_table WHERE id = X;，比如「?」（U+30000）应返回F0B08080（四字节），若只看到EFBFBD（即的 UTF-8 编码），说明已损坏 - 用正则定位异常：查询
WHERE your_column REGEXP '[\x80-\xFF]{1,3}'配合已知生僻字 Unicode 范围粗筛，比肉眼扫更快
修复已错数据比预防更麻烦，优先做字符集一致性快照
一旦发现生僻字乱码，回溯成本极高——原始文件可能已被覆盖，编辑器缓存丢失，甚至开发机重装过系统。此时再改库、改表、转编码，大概率引入二次损坏，因为 ALTER TABLE ... CONVERT TO CHARACTER SET 不会还原已损字节。
实操建议：
- 每次导入前，用
mysqldump --no-data --skip-triggers --skip-routines your_db > charset_snapshot.sql备份建表语句，里面明确记录了每个字段的CHARACTER SET - 对含生僻字的业务表，导出几条典型记录为纯文本：
SELECT your_column INTO DUMPFILE '/tmp/sample.txt' FROM your_table LIMIT 1;，再用hexdump -C /tmp/sample.txt留底 - 不要依赖「看起来像」来判断正确性；Unicode 生僻区（如扩展 B 区 U+20000–U+2A6DF）的字，显示正常但长度不对、排序异常、LIKE 模糊匹配失败，都是潜在信号
字符集问题最麻烦的地方不在技术动作多，而在于错误无声无息——数据写进去时就坏了，但直到某天用户反馈某个名字查不到，或者报表导出 Excel 报错，才暴露出来。留痕比补救重要得多。
