为什么不建议在 MySQL 中使用 UTF-8 ?

Answer 1

MySQL中的UTF-8编码问题分析与解决方案

一、报错回顾

在尝试将包含emoji文字直接写入SQL中时，执行INSERT语句后，出现了错误提示：“Incorrect string value: '\xF0\x9F\x98\x93' for column 'NAME' at row 1”。这表明MySQL在处理包含emoji符号的字符串时遇到了问题。修改数据库编码、系统编码以及表字段的编码格式为utf8mb4后，问题得以解决。

二、MySQL中utf8的趣事

MySQL的“utf8”编码实际上与标准UTF-8并不完全相同。在MySQL中，“utf8”编码只支持每个字符最多三个字节，而标准UTF-8编码每个字符最多四个字节。中文在utf8中占用3个字节，其他数字、英文、符号占用1个字节。由于emoji符号和某些复杂文字在标准UTF-8中占用4个字节，而MySQL的“utf8”编码仅支持3个字节，因此直接插入会导致错误。

三、UTF-8编码选择与理解

在使用MySQL时，应当选择“utf8mb4”作为编码，以支持真正的UTF-8编码。MySQL的“utf8”编码被设计为一种“专属的编码”，其能够编码的Unicode字符数量有限，且在处理包含4字节字符的emoji时存在限制。因此，所有在使用“utf8”的MySQL和MariaDB用户都应该改用“utf8mb4”，以避免潜在的编码问题。

四、编码与Unicode字符集

理解编码与Unicode字符集对于正确使用MySQL至关重要。Unicode字符集包含上百万个字符，UTF-32是最简单且直接的编码方式，每个字符使用32位存储，但这可能导致空间浪费。相比之下，UTF-8编码可以节省空间，字符“C”只需要8位，而一些不常用的字符如“ ”则可能需要32位。使用UTF-8编码，一篇类似本文的文章，占用的空间仅为UTF-32的四分之一左右。

五、utf8编码的历史

MySQL从4.1版本开始支持UTF-8编码，当时使用的标准是旧版的RFC 2279，该标准最多支持每个字符6个字节。然而，在2002年，MySQL开发者将“utf8”编码的字符序列限制为最多3个字节。这一变更的原因尚不明确，但推测可能是为了在性能与空间效率之间做出权衡，以适应特定的用户需求。

六、总结

在当前网络上，几乎所有的文章都将MySQL的“utf8”编码当作真正的UTF-8，包括作者之前的文章和项目。为了帮助更多朋友了解这一关键信息，本文旨在强调在MySQL数据库中使用“utf8mb4”编码的重要性，以避免遇到编码相关的错误和问题。在搭建数据库时，记得将编码设置为“utf8mb4”，以确保能够正确处理包含emoji、复杂文字以及各种Unicode字符的数据。