PyMySQL配合Binlog2sql解析阿拉伯字符报utf-8解码错误如何解决

• 解码报错和pymysql连接字符集配置无直接关联，核心问题是Binlog2sql的临时文件读写逻辑存在跨平台编码兼容缺陷：Windows环境下生成存储binlog解析语句的临时文件时，默认调用系统ANSI编码（阿拉伯语区域Windows默认ANSI编码为cp1256）写入内容，后续读取字节流时硬编码使用utf-8做解码，自然会触发无效字节的解码报错。
• 前期测试Windows环境下用Windows-1256编码可正常解码、Linux环境下解码内容异常，是因为Linux系统默认未适配Windows区域专属ANSI编码的别名映射，直接调用Windows-1256作为编码参数时无法正确匹配码表，导致解码结果错乱。

• 统一临时文件读写编码
  找到Binlog2sql源码中创建临时文件、读取临时文件内容的逻辑段，所有读写操作显式指定cp1256编码，彻底屏蔽系统默认编码的影响：
  写入临时文件示例代码：

  import tempfile
  with tempfile.NamedTemporaryFile(mode='w', encoding='cp1256', delete=False) as tmp_fp:
      tmp_fp.write(parsed_sql_content)
  

  替换原有硬编码的utf-8解码逻辑，统一用cp1256解码字节流：

  # 注释掉原有解码逻辑：decoded_str = raw_bytes.decode("utf-8")
  decoded_str = raw_bytes.decode("cp1256")
  

• 校正pymysql连接参数
  连接配置中的charset字段固定设置为utf8mb4即可，无需切换为ISO-8859-1或utf8。utf8mb4可完整覆盖MySQL 8中存储的所有Unicode字符（含阿拉伯语），能保证binlog数据从MySQL服务端传输到程序的过程中不会出现转码乱码。

修改完成后分别在Windows 11、Ubuntu 20环境验证，阿拉伯语字符可正常解析，无解码报错、内容乱码问题。

内容的提问来源于stack exchange，提问作者FaisalAlsalm