檢查字符串是否有效MySQL UTF8？

Question

我有一個編碼爲utf8的MySQL列。那utf8實際上並不是完整的utf8集合，而是only BMP characters only up to 3 bytes in length。我不想嘗試將utf8插入到MySQL中，只發現它不符合MySQL的參數，即utf8應該是什麼。如果在嘗試插入之前遇到MySQL的參數，有沒有辦法用Python進行測試？出於顯而易見的原因，在some_string.encode('utf-8')上捕捉例外不夠嚴格。

Answer 1

>>> len(u'\uffff'.encode('utf8')) < 4 # Good; fits in utf8 
True 
>>> len(u'\U00010000'.encode('utf8')) < 4 # Bad; utf8mb4 only 
False 
>>> ord(u'\uffff') < 65536 # Good; fits in utf8 
True 
>>> ord(u'\U00010000') < 65536 # Bad; utf8mb4 only 
False 

Answer 2

要檢查一個字符串是否包含上述U + FFFF Unicode字符（並因此不能被存儲在使用「UTF8」編碼一個MySQL表），則可以使用以下正則表達式：

re.match(u"[^\u0000-\uffff]", s) 

或者，是否可以升級到MySQL 5.5或更高版本，你可能要考慮將表格轉換成the utf8mb4 character set，可以存儲所有Unicode字符。