完美解决Kettle导数据库产生的中文乱码

    如果公司内一开始没有好好规划数据库建设，那么后期可能存在多种字符集的数据库实例。在做数据仓库或者来回导数据的时候，因字符集导致中文乱码问题困扰着不少人。网上有很多前辈们总结的解决中文乱码的方案，关于使用kettle如何解决也有一两篇谈到在建数据库连接时加characterEncoding来解决。我昨晚找到另外一种方式来跟大家分享：

 

经过对源码搜索”encoding“，找一句注释，发现其实解决方法很简单，

	/**
	 * Build the row using ResultSetMetaData rsmd
     * @param rm The resultset metadata to inquire
     * @param ignoreLength true if you want to ignore the length (workaround for MySQL bug/problem)
     * @param lazyConversion true if lazy conversion needs to be enabled where possible
	 */
	private RowMetaInterface getRowInfo(ResultSetMetaData rm, boolean ignoreLength, boolean lazyConversion) throws KettleDatabaseException
	{
        if (rm==null) return null;
		
		rowMeta = new RowMeta();
		
		try
		{
			// TODO If we do lazy conversion, we need to find out about the encoding
			//
            int fieldNr = 1;
			int nrcols=rm.getColumnCount();	
			for (int i=1;i<=nrcols;i++)
			{
				String name=new String(rm.getColumnName(i));
                
                // Check the name, sometimes it's empty.
                //
                if (Const.isEmpty(name) || Const.onlySpaces(name))
                {
                    name = "Field"+fieldNr;
                    fieldNr++;
                }
                
				ValueMetaInterface v = getValueFromSQLType(name, rm, i, ignoreLength, lazyConversion);
				rowMeta.addValueMeta(v);			
			}
			return rowMeta;
		}
		catch(SQLException ex)
		{
			throw new KettleDatabaseException("Error getting row information from database: ", ex);
		}
	}

 就是这样”If we do lazy conversion, we need to find out about the encoding“，直接勾选”允许延迟转换“即可：

这样在从数据库读取的数据就能保持原有字符集，不因默认强制使用utf8导致乱码，在输出时指定文件字符集，就会解决导出到文件中的乱码问题。

如果导入到目标表的字符集与源表不同，需要在入库前用select values做字符转换（纯属废话，相同就不会有乱码了）：

 

整个流程如下

这样，无论到文件还是目标表，都不会再有乱码了。

 

 

如果以上还无法解决，可以在Table Input 和Table Output的数据库连接高级选项中设置当前session的字符集；以下除了可以设置session 的字符集，还可以设置日期格式等。

 

通过以上设置还无法解决，只能归结为RP不好了O(∩_∩)O~

评论

5 楼 flyqantas 2014-12-09  

我们现在也遇到这个问题了、

4 楼 vase 2014-12-08  

olfisher 写道

您好，我现在就是朋友这个问题
A库是GBK，B库是西文的，从A库数据抽取到B库，乱码，数据库是oracle，查看客户端工具是PLSQL，若看到请指导下，谢谢。QQ：247287878

如果不是windows平台上产生乱码，在spoon.bat/sh 中增加 -Dfile.encoding=GBK，然后按上文所说那样，在入库时设置目标字符集，即可解决你的问题。建议先在windows系统上单独设置入库字符集试试

3 楼 olfisher 2014-12-05  

您好，我现在就是朋友这个问题
A库是GBK，B库是西文的，从A库数据抽取到B库，乱码，数据库是oracle，查看客户端工具是PLSQL，若看到请指导下，谢谢。QQ：247287878

2 楼 ainidehsj 2013-12-03  

不错，顶一个。

1 楼 vase 2012-12-21  

看有人有时会需要，我就再补一句吧
有时在Option里增加连接参数 characterEncoding=UTF-8 也是解决像Mysql这种数据库乱码的方法之一，另外还可以在spoon.bat/sh 的启动脚本中增加启动参数，指定JVM使用相应字符集，如增加 -Dfile.encoding=UTF-8
具体哪种合适，还得靠多试试。