mongodb - MongoDB 可以使用基本多语言平面之外的代码点存储和操作 UTF-8 字符串吗？

Question

在 MongoDB 2.0.6 中，当尝试存储包含字符串字段的文档或查询文档时，其中字符串的值包含 BMP 之外的字符，我收到大量错误，例如：“不正确的 UTF-16：55357”，或“缓冲区太小”

有哪些设置、更改或建议允许在 Mongo 中存储和查询多语言字符串，尤其是包含 0xFFFF 以上这些字符的字符串？

谢谢。

Answer 1

这里有几个问题：

1) 请注意，MongoDB 使用 BSON 格式存储所有文档。另请注意，BSON 规范指的是 UTF-8 字符串编码，而不是 UTF-16 编码。

参考：http ://bsonspec.org/#/specification

2) 所有驱动程序，包括 mongo shell 中的 JavaScript 驱动程序，都应该正确处理编码为 UTF-8 的字符串。（如果他们不这样做，那就是一个错误！）许多驱动程序恰好也正确处理了 UTF-16，尽管据我所知，UTF-16 不受官方支持。

3) 当我使用 Python 驱动程序对此进行测试时，MongoDB 可以成功加载并返回一个包含损坏的 UTF-16 代码对的字符串值。但是，我无法使用 mongo shell 加载损坏的代码对，也无法将包含损坏代码对的字符串存储到 shell 中的 JavaScript 变量中。

4) mapReduce() 使用正确的 UTF-16 代码对在字符串数据上正确运行，但在尝试对包含损坏代码对的字符串数据运行 mapReduce() 时会产生错误。

当 MongoDB 尝试将 BSON 转换为 JavaScript 变量以供 JavaScript 引擎使用时，mapReduce() 似乎失败了。

5) 我已经为此问题提交了 Jira 问题 SERVER-6747。随时关注并投票。