431

MySQLutf8mb4和utf8charsets 有什么区别？

我已经知道ASCII、UTF-8、UTF-16和UTF-32编码；但我很想知道编码组与MySQL Serverutf8mb4中定义的其他编码类型有什么区别。

utf8mb4使用而不是有什么特殊的好处/建议utf8吗？

4

5 回答 5

491

UTF-8是一种可变长度编码。对于 UTF-8，这意味着存储一个代码点需要一到四个字节。但是，MySQL 的编码称为“utf8”（“utf8mb3”的别名）每个代码点最多只能存储三个字节。

所以字符集“utf8”/“utf8mb3”不能存储所有的Unicode码位：它只支持0x000到0xFFFF的范围，被称为“基本多语言平面”。另请参阅Unicode 编码比较。

这是MySQL 文档必须说的（同一页面的先前版本） ：

名为 utf8[/utf8mb3] 的字符集每个字符最多使用三个字节，并且仅包含 BMP 字符。从 MySQL 5.5.3 开始，utf8mb4 字符集每个字符最多使用四个字节，支持补充字符：

  • 对于 BMP 字符，utf8[/utf8mb3] 和 utf8mb4 具有相同的存储特性：相同的代码值、相同的编码、相同的长度。

  • 对于补充字符，utf8[/utf8mb3] 根本无法存储该字符，而 utf8mb4 需要四个字节来存储它。由于 utf8[/utf8mb3] 根本无法存储字符，因此您在 utf8[/utf8mb3] 列中没有任何补充字符，您无需担心在从旧版本升级 utf8[/utf8mb3] 数据时转换字符或丢失数据mysql。

因此，如果您希望您的列支持存储位于 BMP 之外的字符（并且您通常想要），例如emoji，请使用“utf8mb4”。另请参阅实际使用中最常见的非 BMP Unicode 字符是什么？.

于 2015-05-06T10:47:52.247 回答
78

utf8mb4字符集很有用，因为现在我们不仅需要支持存储语言字符，还需要存储符号、新引入的表情符号等。

Mathias Bynens关于如何在 MySQL 数据库中支持完整 Unicode的精彩阅读也可以对此有所了解。

于 2016-10-31T12:28:15.497 回答
68

取自MySQL 8.0 参考手册：

  • utf8mb4: Unicode字符集的UTF-8编码，每个字符使用一到四个字节。

  • utf8mb3: Unicode字符集的UTF-8编码，每个字符使用一到三个字节。

在MySQL中，当前 已弃用utf8别名，utf8mb3并将在未来的MySQL版本中删除。届时将成为对 的引用。utf8 utf8mb4

所以不管这个别名，你可以有意识地给自己设置一个utf8mb4编码。

为了完成答案，我想在下面添加@WilliamEntriken 的评论（也取自手册）：

为避免 的含义产生歧义utf8，请考虑utf8mb4明确指定字符集引用而不是utf8.

于 2018-09-14T18:25:28.113 回答
12
  • utf8是 MySQL 较旧的、有缺陷的 UTF-8 实现，正在被弃用。
  • utf8mb4是他们命名的固定 UTF-8 实现，也是您现在应该使用的。

在他们有缺陷的版本中，只有前 64k 字符平面（基本的多语言平面）中的字符有效，其他字符被视为无效。该平面内的代码点值 - 0 到 65535（其中一些出于特殊原因保留）可以用 UTF-8 中最多 3 个字节的多字节编码表示，并且 MySQL 的早期版本的 UTF-8 任意决定将其设置为限制。这个限制绝不是对 UTF-8 规则的正确解释，因为 UTF-8 从来没有被定义为每个字符最多只允许 3 个字节。事实上，UTF-8 的最早定义将其定义为最多 6 个字节（自修订为 4 个字节）。MySQL 的原始版本总是被任意削弱。

当 MySQL 发布这个时，这个限制的后果并不算太糟糕，因为大多数 Unicode 字符都在第一个平面上。从那时起，越来越多的新定义的字符范围被添加到 Unicode 中，其值超出了第一个平面。Unicode 本身定义了 17 个平面，尽管到目前为止只使用了其中的 7 个。

为了不破坏旧代码做出任何特定的假设，MySQL 保留了破坏的实现并调用了更新的、固定的版本utf8mb4。这导致了一些混淆，名称被误解为好像它是 UTF-8 的某种扩展或 UTF-8 的替代形式，而不是 MySQL 对真正 UTF-8 的实现。

MySQL 的未来版本最终将逐步淘汰旧版本，现在它可以被视为已弃用。在可预见的将来，您需要使用utf8mb4UTF-8 来确保正确的编码。经过足够的时间后，电流utf8将被移除，并且在将来的某个日期utf8会再次上升，这次指的是固定版本，但utf8mb4将继续明确指代固定版本。

于 2020-10-05T13:39:27.877 回答
3

MySQL 在 5.5.3 之后添加了这个 utf8mb4 代码，Mb4 是最多字节 4 的意思，专门设计来兼容四字节 Unicode。幸运的是，UTF8MB4 是 UTF8 的超集，只是不需要将编码转换为 UTF8MB4。当然，为了节省空间，一般使用UTF8就足够了。

原始 UTF-8 格式使用 1 到 6 个字节，最多可以编码 31 个字符。最新的 UTF-8 规范仅使用 1 到 4 个字节，最多可以编码 21 位，仅代表所有 17 个 Unicode 平面。UTF8是Mysql中的一个字符集，最多只支持三个字节的UTF-8字符，是Unicode中基本的多文本平面。

在 Mysql 中保存 4 字节长的 UTF-8 字符，需要使用 UTF8MB4 字符集，但只有 5.5。支持3个版本后（查看版本：选择版本（）；）。我认为为了获得更好的兼容性，您应该始终使用 UTF8MB4 而不是 UTF8。对于char类型的数据，UTF8MB4比较占空间，根据Mysql官方推荐，使用VARCHAR代替char。

在 MariaDB utf8mb4 作为默认 CHARSET 时，它没有在服务器配置中明确设置，因此使用 COLLATE utf8mb4_unicode_ci。

参考 MariaDB CHARSET & COLLATE 点击

CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;
于 2020-07-22T17:53:05.153 回答