为什么不建议在MySQL中使用UTF-8？

最新推荐文章于 2021-08-06 00:00:00 发布

一个技术渣渣

最新推荐文章于 2021-08-06 00:00:00 发布

阅读量265

点赞数

分类专栏：数据库文章标签： mysql

本文链接：https://blog.csdn.net/kevinxxw/article/details/110001825

版权

24 篇文章 1 订阅

订阅专栏

看到一篇文章讲到emoji文字占4个字节，通常要用utf-8去接收才行，其他编码可能会出错。我突然想到去年操作MySQL把utf8改成utf8mb4的事儿。

嗯？他本身不就是utf8编码么！那我当时还改个锤子？

难道，MySQL的utf8不是真正的UTF-8编码吗？？! 卧槽这。。MySQL有bug！

带着疑问查询了很多相关材料，才发现这竟然是MySQL的一个历史遗留问题~~ 我笑了，没想到这么牛B的MySQL也会有这段往事。

一、报错

将emoji文字直接写入SQL中，执行 insert 语句报错；

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');

MySQL 的“utf8”实际上不是真正的 UTF-8。

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，应该改成utf8mb4。

如上图中所示，这是编码改成utf8mb4后入库的数据，大家可以清晰的对比一下所占的字符数、字节数。正因如此，4字节的内容往utf8编码中插入，肯定是不行的，插不进去啊，是吧

MySQL 一直没有修复这个 bug，他们在 2010 年发布了一个叫作“utf8mb4”的字符集，巧妙的绕过了这个问题。

当然，他们并没有对新的字符集广而告之（可能是因为这个 bug 让他们觉得很尴尬），以致于现在网络上仍然在建议开发者使用“utf8”，但这些建议都是错误的。

是的，MySQL 的“utf8mb4”才是真正的“UTF-8”。

MySQL 的“utf8”是一种“专属的编码”，它能够编码的 Unicode 字符并不多。

在这里Mark一下：所有在使用“utf8”的 MySQL 和 MariaDB 用户都应该改用“utf8mb4”，永远都不要再使用“utf8”。

那么什么是编码？什么是 UTF-8？

我们都知道，计算机使用 0 和 1 来存储文本。比如字符“C”被存成“01000011”，那么计算机在显示这个字符时需要经过两个步骤：

同样的：

几乎所有的网络应用都使用了 Unicode 字符集，因为没有理由使用其他字符集。

Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32，每个字符使用 32 位。这样做最简单，因为一直以来，计算机将 32 位视为数字，而计算机最在行的就是处理数字。但问题是，这样太浪费空间了。

UTF-8 可以节省空间，在 UTF-8 中，字符“C”只需要 8 位，一些不常用的字符，比如“😓”需要 32 位。其他的字符可能使用 16 位或 24 位。一篇类似本文这样的文章，如果使用 UTF-8 编码，占用的空间只有 UTF-32 的四分之一左右。

大家以后再搭建MySQL、MariaDB数据库时，记得将数据库相应编码都改为utf8mb4。终有一天，接你班儿的程序员发或你的领导现这个问题后，一定会在心里默默感到你的技术牛B。

关注

专栏目录