熊猫DataFrame到MySQL导出Unicode字符

我一直在试图导出一个大型熊猫数据框使用DataFrame.to_sql到MySQL数据库，但数据框在一些列中有unicode字符，其中一些在导出时会导致警告，并被转换为? 。熊猫DataFrame到MySQL导出Unicode字符

我设法重现该问题与此示例（数据库登录删除）：

import pandas as pd 
import sqlalchemy 
import pymysql 

engine = sqlalchemy.create_engine('mysql+pymysql://{}:{}@{}/{}?charset=utf8'.format(*login_info), encoding='utf-8') 

df_test = pd.DataFrame([[u'\u010daj',2], \ 
         ['čaj',2], \ 
         ['špenát',4], \ 
         ['květák',7], \ 
         ['kuře',1]], \ 
         columns = ['a','b']) 

df_test.to_sql('test', engine, if_exists = 'replace', index = False, dtype={'a': sqlalchemy.types.UnicodeText()})

前两个数据框的行应该是一样的，只是有不同的定义。

我得到以下警告，并且有问题的字符（č，ě，ř）都呈现为?：

/usr/local/lib/python3.6/site-packages/pymysql/cursors.py:166: Warning: (1366, "Incorrect string value: '\\xC4\\x8Daj' for column 'a' at row 1") 
    result = self._query(query) 
/usr/local/lib/python3.6/site-packages/pymysql/cursors.py:166: Warning: (1366, "Incorrect string value: '\\xC4\\x8Daj' for column 'a' at row 2") 
    result = self._query(query) 
/usr/local/lib/python3.6/site-packages/pymysql/cursors.py:166: Warning: (1366, "Incorrect string value: '\\xC4\\x9Bt\\xC3\\xA1k' for column 'a' at row 4") 
    result = self._query(query) 
/usr/local/lib/python3.6/site-packages/pymysql/cursors.py:166: Warning: (1366, "Incorrect string value: '\\xC5\\x99e' for column 'a' at row 5") 
    result = self._query(query)

与所得到的数据库表test看起来像这样：

a  b 
?aj  2 
?aj  2 
špenát 4 
kv?ták 7 
ku?e 1

奇怪的是，ž,š和á字符（以及我的完整数据集中的其他字符）是过程sed正确，所以它似乎只影响unicode字符的一个子集。正如你在上面看到的，我也尽可能地设置了utf-8（engine,DataFrame.to_sql），但没有效果。

来源

2017-08-10 daneeq

pymysql：

import pymysql 
con = pymysql.connect(host='127.0.0.1', port=3306, 
        user='root', passwd='******', 
        charset="utf8mb4")

SQLAlchemy的：

db_url = sqlalchemy.engine.url.URL(drivername='mysql', host=foo.db_host, 
     database=db_schema, 
     query={ 'read_default_file' : foo.db_config, 'charset': 'utf8mb4' })

请参见 “最佳实践” 中http://stackoverflow.com/questions/38363566/trouble-with-utf8-characters-what-i-see-is-not-what-i-stored说明的?：

要存储的字节不被编码为UTF8/utf8mb4。解决这个问题。
数据库中的列是CHARACTER SET utf8（或utf8mb4）。解决这个问题。
另外，检查读取期间的连接是否为UTF-8。

（注：CHARACTER SETsutf8和utf8mb4是可以互换的欧洲语言）

这是捷克字符？

来源

2017-08-18 00:54:10

熊猫DataFrame到MySQL导出Unicode字符

回答

相关问题