Java 如何在从多种语言读取数据时避免垃圾字符？

我正在解析来自10多种不同语言的rss新闻源

在用php编写API响应客户端之前，所有解析都是用java完成的，数据存储在MySQL中

我在读取数据时经常遇到垃圾字符

我试过什么：

我必须存储utf-8数据。我的数据库、表甚至列的默认字符集都是UTF8

在连接数据库时，我设置了

当我手动运行jar文件来插入数据时，字符的大小看起来很好。但当我为同一个jar文件设置cronjob时，我又开始重新面对这个问题

在英语中，我尤其面临着一些问题，比如在其他方言中，这个字符看起来完全是加比语，我甚至连一个字符都认不出来

有什么我遗漏的吗

垃圾字符示例：

古吉拉特邦：“古吉拉特邦”

马尔亚拉姆：“马尔亚拉姆”

---

英语：银行董事局-欧元™s的范围将扩大到金融部门PSU

古吉拉特邦启动

રેલવે，对吗？然后Malyalam启动
നേപ，对吗？英语应该包括
局的

这是一个典型的例子


客户端中的字节以utf8正确编码。（
Bureau
用utf8的Ascii/latin1子集编码；但是
“
不是Ascii撇号。）
您可能默认使用
集合名称拉丁1
（或
集合字符集（“拉丁1”）
或…）进行连接。（应该是
utf8
）
表中的列已声明为
字符集latin1
。（或者可能是从表/数据库继承的。）（应该是
utf8
）

数据的修复是“两步改变”

其中长度足够大，而另一个“…”具有任何其他内容（
notnull
等）已在列中

不幸的是，如果您有很多列要处理，则需要进行很多修改。您可以（应该）
在一对
变量中为单个表将所有必要的列修改为
VARBINARY

代码的修复方法是将utf8建立为连接；这取决于PHP中使用的api。
ALTERs
将更改列定义

编辑

您的
VARCHAR
字符集
错误。因此，您可以看到Mojibake类似于
的«-》
。大多数转换技术都试图保留
中的«code>，但这不是您所需要的。相反，在忽略表示拉丁1编码字符的位的旧定义的同时，采取步骤
VARBINARY
保留位。第二步再次保留位，但现在声称它们代表utf8字符。
jar文件如何组合插入数据库的数据？通过stdin？通过文件？如果需要特定的帮助，您需要显示一些代码。这里是猜测，但系统默认代码页（由“cron”拾取）可能是“C”。i、 e.简单的老式ASCII码。或者将java封装在一个脚本中，该脚本将环境设置为“LANG=UTF-8”。或者在java代码中以UTF-8的形式显式打开文件？我目前正在使用varchar。@HIRATHAKUR-VARBINARY只是一个垫脚石。它用于在应用新编码之前“忘记”旧编码。在一个步骤中进行转换将失败，因为它会误解原始内容。
ALTER TABLE Tbl MODIFY COLUMN col VARBINARY(...) ...;
ALTER TABLE Tbl MODIFY COLUMN col VARCHAR(...) ... CHARACTER SET utf8 ...;