使用 pymssql 连接数据库（GBK 编码）乱码问题的完美解决方案

背景

在对接国内一些早期开发的 ERP、物流、一卡通等系统时，SQL Server 数据库中的中文数据常常采用 GBK 编码 存储。

然而 pymssql 在连接时若使用 charset='utf8'，读取出来的中文字符会呈现为"乱码"------实际上是 UTF-8 解码 GBK 字节导致的现象。

直接修改连接字符集为 charset='gbk' 又可能引发其他字段（如数字、英文、特殊符号）的异常，甚至导致连接失败。

本文将结合真实案例，提供一个 稳定、可复现 的乱码修复方案。

问题现象

某物流系统数据库，表结构如下：

CREATE TABLE t_record (
    s_vehicle_no VARCHAR(50),   -- 车牌号（中文）
    s_remark VARCHAR(200),      -- 备注（中文）
    ...
);

使用 pymssql 查询结果：

{
    '车牌号': '沪A12345',   # 实际应为"沪A12345"
    '备注': '包装损坏'    # 实际应为"包装损坏"
}

这类乱码特征明显：英文字符正常，中文字符变为多字节乱码。

错误尝试

1. 直接修改连接字符集

DB_CONFIG = {
    'charset': 'gbk'
}

结果：

• 某些字符集下查询报错（如 UnicodeDecodeError）

• 数字、英文可能被错误转换

• 与 pymssql 内部处理机制不兼容

2. 手动 encode/decode

value.encode('latin-1').decode('gbk')

有效，但需要明确区分哪些字段是中文、哪些不是，无法通用。

最终解决方案

核心思路

统一使用 charset='utf8' 连接 ，在读取后将所有字符串字段通过 "拉丁-1 中转" 方式还原为 GBK 原始字节，再解码为正确的中文。

原理说明

• pymssql 在 utf8 连接模式下，将数据库返回的字节流按 UTF-8 解码。

• 若数据库实际存储为 GBK，则会被错误解码成"假 Unicode 字符串"。

• 修复过程：

  1. 将该字符串按 latin-1（单字节无损编码）转回原始字节

  2. 用 GBK 重新解码

  3. 得到真实中文

  import pymssql

  def fix_gbk_text(text):
  """修复 pymssql + utf8 模式下的 GBK 乱码"""
  if text is None or not isinstance(text, str):
  return text
  try:
  return text.encode('latin-1').decode('GBK')
  except:
  return text

  def get_clean_data(order_no):
  conn = pymssql.connect(
  server='192.168..',
  user='',
  password='',
  database='******',
  charset='utf8'
  )
  cursor = conn.cursor(as_dict=True)

    sql = """
    SELECT TOP 1
        s_vehicle_no AS 车牌号,
        s_remark AS 备注
    FROM t_record
    WHERE s_code = %s
    """
  
    cursor.execute(sql, (order_no,))
    row = cursor.fetchone()
  
    if row:
        clean_row = {}
        for key, value in row.items():
            if isinstance(value, str):
                clean_row[key] = fix_gbk_text(value)
            else:
                clean_row[key] = value
        return clean_row
    else:
        return None

验证结果

修复前：

{
    '车牌号': '沪A12345',
    '备注': '包装损坏'
}

修复后：

{
    '车牌号': '沪A12345',
    '备注': '包装损坏'
}

---

适用场景

该方案适用于以下情况：

• SQL Server 数据库，中文采用 GBK / GB2312 / GB18030 编码

• 使用 pymssql 且无法修改数据库端编码

• 需要同时保留数字、英文、Decimal、日期等非字符串类型的原始格式

---

注意事项

1. 仅修复字符串字段：数字、布尔值、Decimal 等类型无需处理，直接保留。

2. 性能影响极小：仅在查询结果集上做一次遍历修复，适合中小规模数据。

3. 兼容性好：修复失败的字段会返回原值，不会导致程序崩溃。

4. 适用于多表 JOIN：无论多少字段，统一遍历修复即可。

---

总结

在国内企业信息化系统中，GBK 编码的中文数据库依然广泛存在。
pymssql 默认的 UTF-8 连接方式虽然保证了跨平台兼容性，但在处理老系统数据时容易出现乱码。

本文提供了一种 无侵入、易封装、可复用 的修复模式，能够在不修改数据库、不改变连接配置的前提下，干净地还原真实中文数据。

该方案已在实际生产环境中稳定运行，适用于各类 GBK 编码的中文数据提取场景。