MySQL'de latin5'ten utf8mb4'e kayıpsız geçiş

01Problem

Bu blogun eski sürümünde tablolar latin5 karakter setiyle oluşturulmuştu, ama PHP tarafındaki bağlantı yıllar içinde utf8mb4 olarak güncellenmişti. Sonuç tanıdık: bazı başlıklar düzgün, bazılarında ı gibi bozuk karakterler, emojiler ise hiç kaydedilmiyor.

İlk refleks şu komutu çalıştırmak olur:

ALTER TABLE iq_page
  CONVERT TO CHARACTER SET utf8mb4
  COLLATE utf8mb4_tr_0900_ai_ci;

Veri gerçekten latin5 ise bu komut doğru çalışır. Ama yıllarca yanlış bağlantı ayarıyla yazılmış bir tabloda verinin bir kısmı zaten UTF-8 baytları olarak duruyor olabilir. O durumda bu komut, bozuk veriyi bir kez daha kodlar ve geri dönüşü zorlaşır.

02Teşhis: bayt bayt bakmak

Ekranda gördüğünüz karaktere değil, diskteki bayta bakın. Türkçe karakter içerdiğini bildiğiniz birkaç satırı HEX() ile inceleyin ve aşağıdaki tabloyla karşılaştırın:

latin5 bir sütunda C4B1 görüyorsanız, o satır latin5 değil; latin5 kılığına girmiş UTF-8'dir.

03İki senaryo, iki yöntem

Veri gerçekten latin5 ise yukarıdaki CONVERT TO komutu yeterlidir. MySQL her baytı doğru UTF-8 karşılığına çevirir.

Veri çift kodlanmışsa MySQL'e "bu baytlara dokunma, sadece etiketini değiştir" demek gerekir. Bunun yolu sütunu önce ikili (binary) türe, sonra hedef karakter setine çevirmektir:

-- 1) Etiketi kaldır: baytlar olduğu gibi kalır
ALTER TABLE iq_page
  MODIFY baslik VARBINARY(1020),
  MODIFY icerik MEDIUMBLOB;

-- 2) Doğru etiketi ver: baytlar artık UTF-8 olarak okunur
ALTER TABLE iq_page
  MODIFY baslik VARCHAR(255) CHARACTER SET utf8mb4 NOT NULL,
  MODIFY icerik MEDIUMTEXT CHARACTER SET utf8mb4 NOT NULL;

04Collation tuzakları

MySQL 8 için Türkçe sıralama kurallarını en doğru uygulayan collation utf8mb4_tr_0900_ai_ci'dir. ı/I ve i/İ çiftlerini doğru eşler, sıralamayı alfabeye göre yapar.

Ancak URL ve slug gibi benzersiz sütunlarda büyük-küçük harf duyarsız bir collation sürpriz çakışmalara yol açabilir. Bu sütunlar için ascii_bin ya da utf8mb4_bin kullanmak, eşitliğin her zaman bayt bayt kontrol edilmesini sağlar.

05Kontrol listesi

1. Tam yedek alın ve geri yüklemeyi bir kez deneyin.
2. Her metin sütunu için HEX() örneklemesi yapın; latin5 ve çift kodlanmış satırları sayın.
3. Senaryoya göre CONVERT TO ya da binary üzerinden dönüşümü seçin.
4. Tablo varsayılanını da güncelleyin: DEFAULT CHARACTER SET utf8mb4.
5. Bağlantıda utf8mb4 kullanıldığını uygulama tarafında doğrulayın.
6. Rastgele 50 satırı gözle kontrol edin. Bir emoji ekleyip kaydedin.