欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

全面了解mysql中utf8和utf8mb4的区别

程序员文章站 2024-02-14 09:29:52
一、简介 mysql在5.5.3之后增加了这个utf8mb4的编码,mb4就是most bytes 4的意思,专门用来兼容四字节的unicode。好在utf8mb4是ut...

一、简介

mysql在5.5.3之后增加了这个utf8mb4的编码,mb4就是most bytes 4的意思,专门用来兼容四字节的unicode。好在utf8mb4是utf8的超集,除了将编码改为utf8mb4外不需要做其他转换。当然,为了节省空间,一般情况下使用utf8也就够了。

二、内容描述

那上面说了既然utf8能够存下大部分中文汉字,那为什么还要使用utf8mb4呢? 原来mysql支持的 utf8 编码最大字符长度为 3 字节,如果遇到 4 字节的宽字符就会插入异常了。三个字节的 utf-8 最大能编码的 unicode 字符是 0xffff,也就是 unicode 中的基本多文种平面(bmp)。也就是说,任何不在基本多文本平面的 unicode字符,都无法使用 mysql 的 utf8 字符集存储。包括 emoji 表情(emoji 是一种特殊的 unicode 编码,常见于 ios 和 android 手机上),和很多不常用的汉字,以及任何新增的 unicode 字符等等。

三、问题根源

最初的 utf-8 格式使用一至六个字节,最大能编码 31 位字符。最新的 utf-8 规范只使用一到四个字节,最大能编码21位,正好能够表示所有的 17个 unicode 平面。

utf8 是 mysql 中的一种字符集,只支持最长三个字节的 utf-8字符,也就是 unicode 中的基本多文本平面。

mysql 中的 utf8 为什么只支持持最长三个字节的 utf-8字符呢?我想了一下,可能是因为 mysql 刚开始开发那会,unicode 还没有辅助平面这一说呢。那时候,unicode 委员会还做着 “65535 个字符足够全世界用了”的美梦。mysql 中的字符串长度算的是字符数而非字节数,对于 char 数据类型来说,需要为字符串保留足够的长。当使用 utf8 字符集时,需要保留的长度就是 utf8 最长字符长度乘以字符串长度,所以这里理所当然的限制了 utf8 最大长度为 3,比如 char(100) mysql 会保留 300字节长度。至于后续的版本为什么不对 4 字节长度的 utf-8 字符提供支持,我想一个是为了向后兼容性的考虑,还有就是基本多文种平面之外的字符确实很少用到。

要在 mysql 中保存 4 字节长度的 utf-8 字符,需要使用 utf8mb4 字符集,但只有 5.5.3 版本以后的才支持(查看版本: select version();)。我觉得,为了获取更好的兼容性,应该总是使用 utf8mb4 而非 utf8. 对于 char 类型数据,utf8mb4 会多消耗一些空间,根据 mysql 官方建议,使用 varchar 替代 char。

以上这篇全面了解mysql中utf8和utf8mb4的区别就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。