Diacríticos corretos em um dump mysql no CentOS

Question

No meu servidor do CentOS, eu tenho um arquivo de despejo de uma tabela do mysql que contém caracteres especiais em tcheco (por exemplo, á, é, è, ž). Quando visualizo o arquivo usando cat, os caracteres especiais são quebrados (por exemplo, å em vez de á).

Eu preciso corrigir esses caracteres no dump e, em seguida, importá-lo de volta para o banco de dados.

Já tentei algumas formas diferentes, mas nenhuma delas funcionou, incluindo:

• substitua os caracteres usando sed pela seguinte expressão - cat c_schools | sed 's/ĂĄ/á/g' > c_schools -, mas recebo um erro unterminated s command
• abra o arquivo no VIM e corrija-o manualmente, mas o VIM não permite que eu digite os caracteres de verificação,
• abra o arquivo no NANO e corrija-o manualmente, mas o NANO parece não conseguir trabalhar com o arquivo (o texto muda mesmo quando eu me movo com o cursor).

Como sugerido em um comentário, abri o arquivo no VIM novamente e experimente os seguintes comandos:

• set encoding=utf-8 (este não teve nenhum efeito),
• set termencoding=iso8859-2 (a saída é muito melhor depois desta, mas alguns caracteres ainda são exibidos incorretamente, como? em vez de è, ě ou š),
• :set fileencoding (saídas fileencoding=utf-8 )

Quando copio o arquivo para minha máquina Windows via FTP e o abro no meu editor de texto padrão (Notepad ++), ele é exibido corretamente e a codificação usada é UTF-8, sem BOM.

    

Answer 1

Parece que os dados Unicode (UTF-8) são exibidos como ISO-8859-2. Existem essencialmente duas possibilidades:

1. Seu terminal usa o ISO-8859-2 como conjunto de caracteres de saída. Em seguida, os dados em si provavelmente são codificados corretamente, mas exibidos incorretamente: o que você vê é o resultado esperado quando você exibe dados UTF-8 como se fosse ISO-8859-2. Tente um terminal e / ou um editor que seja capaz de trabalhar com o UTF-8. (Não tenho certeza sobre o nano, mas o vim é capaz de trabalhar com o UTF-8 se você usar set encoding=utf-8 .)

2. Seu terminal usa o UTF-8 como conjunto de caracteres de saída. Então os dados em si são codificados incorretamente: são dados que foram "convertidos" de ISO-8859-2 para UTF-8, embora já fossem dados UTF-8. Você pode usar iconv ou recode para traduzir UTF-8 de volta para ISO-8859-2 (ou melhor, "UTF-8 duplamente codificado" de volta para UTF-8 apropriado), por exemplo, por iconv -f UTF8 -t ISO_8859-2 yourinputfile .

Qual programa de terminal você usa e qual é a saída de echo $LC_CTYPE ?