WordPress数据库utf8mb4、utf8与latin1字符集问题咨询

一、字符集核心区别 #

• utf8mb4_unicode_ci vs utf8_general_ci：
  • MySQL中的utf8是伪UTF-8，仅支持最多3字节的Unicode字符，emoji、部分生僻汉字这类4字节字符无法存储；utf8mb4是完整UTF-8实现，支持所有Unicode字符。
  • _unicode_ci排序规则严格遵循Unicode标准，对多语言字符排序、匹配更准确；_general_ci是简化排序，性能略高但对非英语字符处理存在偏差，比如德语ß和ss不会被判定为等价。
• latin1_swedish_ci：属于单字节字符集，仅支持ISO-8859-1（西欧语言）字符，中文、希腊文、西里尔文这类非西欧字符无法原生存储。

二、往latin1表插入多语言内容的后果 #

如果Bad Behavior插件往latin1表写入中文、希腊文、西里尔文这类字符，必然出现问题：

1. 显性乱码：若数据库连接层未做字符集转换，非latin1字符会被强制替换为?或乱码符号，读取时完全无法还原。
2. 隐性乱码：若连接层错误做了UTF-8转latin1映射，插入时看似正常，但后续读取会出现无意义的乱码串，这类乱码几乎无法修复。

结合你提到垃圾发送者常使用西里尔文等多语言内容，一旦插件开始记录这类信息，乱码问题一定会触发。

三、针对当前空表的处理建议 #

涉事表目前为空，建议直接统一字符集到数据库默认的utf8mb4_unicode_ci，操作步骤如下：

1. 先备份目标表（防止操作失误）
2. 执行SQL语句修改字符集：

   -- 修改Bad Behavior的latin1表
   ALTER TABLE `bad_behavior_table_name` CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
   -- 修改其他utf8_general_ci表
   ALTER TABLE `other_utf8_table_name` CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
   

   注意替换语句中的bad_behavior_table_name和other_utf8_table_name为实际表名。
3. 检查插件代码，确保后续创建表或插入数据时，使用数据库默认字符集配置，避免再次出现字符集不统一的情况。

另外，插件的「访问插件站点」链接指向无关网站，说明该插件可能已被遗弃或篡改，建议替换为维护活跃的反垃圾插件，从根源避免这类不规范的数据库操作问题。

内容的提问来源于stack exchange，提问作者WGroleau