关于MySQL中utf8编码类型的问题

关于MySQL中使用utf8编码类型保存emoji出错的问题

问题描述

再往MySQL数据库中存入emoji表情😲时，会出错无法导入。

INSERT INTO csjdemo.student (ID, NAME, SEX, AGE, CLASS, GRADE, HOBBY)
VALUES (‘20’, ‘陈哈哈😓’, ‘男’, ‘20’, ‘181班’, ‘9年级’, ‘看片儿’);

[Err] 1366 - Incorrect string value: ‘\xF0\x9F\x98\x93’ for column ‘NAME’ at row 1

改了数据库编码、系统编码以及表字段的编码格式 → utf8mb4 之后，就可以了：

INSERT INTO student (ID, NAME, SEX, AGE, CLASS, GRADE, HOBBY)
VALUES (null, ‘陈哈哈😓😓’, ‘男’, ‘20’, ‘181班’, ‘9年级’, ‘看片儿’);

问题原因

在MySQL中，“utf8”编码只支持每个字符最多三个字节，而真正的 UTF-8 是每个字符最多四个字节。

在utf8编码中，中文是占3个字节，其他数字、英文、符号占一个字节。

但emoji符号占4个字节，一些较复杂的文字、繁体字也是4个字节，所以导致写入失败。

解决方法

以后再搭建MySQL、MariaDB数据库时，将数据库相应编码尽可能的都使用utf8mb4。

番外

为什么 MySQL 开发者会让“utf8”失效？ 我们或许可以从MySQL版本提交日志中寻找答案。

MySQL 从 4.1 版本开始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 标准（RFC 3629）是随后才出现的。

旧版的 UTF-8 标准（RFC 2279）最多支持每个字符 6 个字节。2002 年 3 月 28 日，MySQL 开发者在第一个 MySQL 4.1 预览版中使用了 RFC 2279。

同年 9 月，他们对 MySQL 源代码进行了一次调整：“UTF8 现在最多只支持 3 个字节的序列”。

是谁提交了这些代码？他为什么要这样做？这个问题不得而知。在迁移到 Git 后（MySQL 最开始使用的是 BitKeeper），MySQL 代码库中的很多提交者的名字都丢失了。2003 年 9 月的邮件列表中也找不到可以解释这一变更的线索。

不过我们可以试着猜测一下：

2002年，MySQL做出了一个决定：如果用户可以保证数据表的每一行都使用相同的字节数，那么 MySQL 就可以在性能方面来一个大提升。为此，用户需要将文本列定义为“CHAR”，每个“CHAR”列总是拥有相同数量的字符。如果插入的字符少于定义的数量，MySQL 就会在后面填充空格，如果插入的字符超过了定义的数量，后面超出部分会被截断。

MySQL 开发者在最开始尝试 UTF-8 时使用了每个字符6个字节，CHAR(1) 使用6个字节，CHAR(2)使用12个字节，并以此类推。

应该说，他们最初的行为才是正确的，可惜这一版本一直没有发布。但是文档上却这么写了，而且广为流传，所有了解 UTF-8 的人都认同文档里写的东西。

不过很显然，MySQL 开发者或厂商担心会有用户做这两件事：

使用 CHAR 定义列（在现在看来，CHAR 已经是老古董了，但在那时，在 MySQL 中使用 CHAR 会更快，不过从 2005 年以后就不是这样子了）。
将 CHAR 列的编码设置为“utf8”。

我的猜测是 MySQL 开发者本来想帮助那些希望在空间和速度上双赢的用户，但他们搞砸了“utf8”编码。

所以结果就是没有赢家。那些希望在空间和速度上双赢的用户，当他们在使用“utf8”的 CHAR 列时，实际上使用的空间比预期的更大，速度也比预期的慢。而想要正确性的用户，当他们使用“utf8”编码时，却无法保存像“😓”这样的字符，因为“😓”是4个字节的。

在这个不合法的字符集发布了之后，MySQL 就无法修复它，因为这样需要要求所有用户重新构建他们的数据库。最终，MySQL 在 2010 年重新发布了
“utf8mb4”来支持真正的 UTF-8。

来源: 终码一生公众号.