utf8mb4
和MySQL中的utf8
字符集有什么区别?
我已经知道ASCII,UTF-8,UTF-16和UTF-32编码;但是我很想知道utf8mb4
编码组与MySQL Server中定义的其他编码类型有什么区别。
使用utf8mb4
而不是有什么特别的好处/提议utf8
吗?
utf8mb4
和MySQL中的utf8
字符集有什么区别?
我已经知道ASCII,UTF-8,UTF-16和UTF-32编码;但是我很想知道utf8mb4
编码组与MySQL Server中定义的其他编码类型有什么区别。
使用utf8mb4
而不是有什么特别的好处/提议utf8
吗?
Answers:
UTF-8是可变长度编码。对于UTF-8,这意味着存储一个代码点需要1-4个字节。但是,MySQL的编码称为“ utf8”(别名为“ utf8mb3”),每个代码点最多只能存储三个字节。
因此,字符集“ utf8” /“ utf8mb3”不能存储所有Unicode代码点:它仅支持范围0x000到0xFFFF,这被称为“ 基本多语言平面 ”。另请参见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具有相同的存储特征: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utf8 [/ utf8mb3]列中没有任何补充字符,并且在从较早版本的utf8 [/ utf8mb3]数据升级时,您无需担心转换字符或丢失数据的麻烦。 MySQL的。
因此,如果您希望您的列支持存储BMP之外的字符(并且通常希望这样做),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?。
该utf8mb4
字符集是有用的,因为现在我们需要为存储不仅语言文字,而且是符号,新引进的表情图案,等支持。
Mathias Bynens撰写的有关如何在MySQL数据库中支持完整Unicode的很好的读物也对此有所启发。
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1-4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。
目前,在MySQL utf8
中,别名utf8mb3
已被弃用,并将在以后的MySQL版本中删除。届时utf8
将成为的参考 utf8mb4
。
因此,不管使用哪个别名,您都可以自觉地设置utf8mb4
编码。
为了完成答案,我想在下面添加@WilliamEntriken的注释(也来自手册):
为避免对的含义含糊不清
utf8
,请考虑utf8mb4
为字符集引用而不是明确指定utf8
。