mysql 字符集引起的 java.sql.SQLException: Incorrect string value:

问题1

在执行一次数据库插入的时候，偶然发现的一个问题。数据库在插入一些生僻字，如𨭉、𡌶
或者emoji 表情包的时候，会出现如下异常。

Cause: java.sql.SQLException: Incorrect string value: ‘\xF0\x9F\x91\x87\xE7\x9A…’ for column ‘content’ at row 1

环境

mysql-connector-java-5.1.46
mysql	5.7.27

原因：字符集编码选择

我们新建mysql数据库的时候，需要指定数据库的字符集，一般我们都是选择utf8这个字符集。而如果我们仔细观察的话，其实我们会发现还有一种utf8mb4字符集。那么这两者有什么关联呢。

utf8mb4 的出现

utf8 是 Mysql 中的一种字符集，只支持最长三个字节的 UTF-8字符，也就是 Unicode 中的基本多文本平面。

• utf8 是 MySQL 中的一种字符集，最早支持的 UTF-8 编码。
• 它只能存储最长三个字节的 UTF-8 字符，也就是 Unicode 中的基本多文本平面（BMP）中的字符。
• 原始的 utf8 实现并没有涵盖所有 Unicode 字符，仅支持 BMP 中的字符，大约占所有 Unicode 字符的 90%。
• 在 MySQL 5.7 及更早版本中，utf8 是默认字符集。

MySQL在5.5.3之后增加了这个utf8mb4的编码，mb4就是most bytes 4的意思，专门用来兼容四字节的unicode。好在utf8mb4是utf8的超集，除了将编码改为utf8mb4外不需要做其他转换。当然，为了节省空间，一般情况下使用utf8也就够了。
可以简单的理解 utf8mb4 是目前最大的一个字符编码,支持任意文字。

Mysql 中的 utf8 为什么只支持持最长三个字节的 UTF-8字符呢？我想了一下，可能是因为 Mysql 刚开始开发那会，Unicode 还没有辅助平面这一说呢。那时候，Unicode 委员会还做着 “65535 个字符足够全世界用了”的美梦。Mysql 中的字符串长度算的是字符数而非字节数，对于 CHAR 数据类型来说，需要为字符串保留足够的长。当使用 utf8 字符集时，需要保留的长度就是 utf8 最长字符长度乘以字符串长度，所以这里理所当然的限制了 utf8 最大长度为 3，比如 CHAR(100) Mysql 会保留 300字节长度。至于后续的版本为什么不对 4 字节长度的 UTF-8 字符提供支持，我想一个是为了向后兼容性的考虑，还有就是基本多文种平面之外的字符确实很少用到。

要在 Mysql 中保存 4 字节长度的 UTF-8 字符，需要使用 utf8mb4 字符集，但只有 5.5.3 版本以后的才支持。我觉得，为了获取更好的兼容性，应该总是使用 utf8mb4 而非 utf8. 对于 CHAR 类型数据，utf8mb4 会多消耗一些空间，根据 Mysql 官方建议，使用 VARCHAR 替代 CHAR。

解决方案

修改 Mysql 数据中数据表的编码格式，设置成 utf8mb4

1. 修改编码方式

• 修改单个字段编码方式

alter table <表名> modify column <字段名> <字段类型> character set utf8mb4 collate utf8mb4_unicode_ci;

utf8mb4_unicode_ci 是排序方式

• 修改表编码方式

 ALTER TABLE <表名> CONVERT TO CHARACTER SET utf8mb4 COLLATE UTF8MB4_UNICODE_CI;

或者直接通过cavicat or sqlyog 等连接工具修改编码方式表。有时候修改没有效果，还是需要命令行修改。

2. 更改mysql 参数

mysql 字符集参数查看

SHOW VARIABLES WHERE Variable_name LIKE 'character\_set\_%' OR Variable_name LIKE 'collation%'

• character_set_client：客户端字符集，用于指定从客户端发送到服务器的字符集。
• character_set_connection：连接字符集，用于指定客户端与服务器之间的连接字符集。
• character_set_database：数据库字符集，用于指定创建新数据库时的默认字符集。
• character_set_results：结果字符集，用于指定从服务器返回给客户端的结果字符集。
• character_set_server：服务器字符集，用于指定服务器的默认字符集。
• collation_server：服务器校对规则，用于指定服务器的默认校对规则。
• collation_database：数据库校对规则，用于指定创建新数据库时的默认校对规则。
• collation_connection：连接校对规则，用于指定客户端与服务器之间的连接校对规则。

SET GLOBAL character_set_client = utf8mb4;
SET GLOBAL character_set_connection = utf8mb4;
SET GLOBAL character_set_database = utf8mb4;
SET GLOBAL character_set_results = utf8mb4;
SET GLOBAL character_set_server = utf8mb4;
SET GLOBAL collation_server = utf8mb4_unicode_ci;
SET GLOBAL collation_database = utf8mb4_unicode_ci;
SET GLOBAL collation_connection = utf8mb4_unicode_ci;

需要重启数据库生效！！！

需要注意的是，修改字符集可能会涉及到数据转换和重新排序操作。在执行这些操作之前，请务必备份您的数据库，以防数据丢失或不可逆的更改发生。

只改这个两个也能成功。character_set_server，collation_server

尾言

在解决这个问题的过程中，还有一些其他的冗余操作，属于加上也能正常入口特殊字段，但不加也行。如何问题没有解决的话，不妨一试。

1. 数据库链接接增加 &character_set_server=utf8mb4

Connector/J 5.1.47 及以上版本:
  1. 指定 characterEncoding 参数为 UTF8/UTF-8 即可, 新版本直接映射到 utf8mb4 编码;
  2. 如果 connectionCollation 指定的排序规则不是 utf8mb4 相关的, 则 characterEncoding 参数会重写为排序规则对应的编码;

Connector/J 5.1.47 以下版本:
  1. 设置 MySQL 参数变量 character_set_server=utf8mb4;
  2. 指定 characterEncoding 参数为 UTF8/UTF-8, jdbc 程序会进行探测是否使用 utf8mb4;

2. 在 application.yaml 中添加下面属性

initConnectionSqls=[ "SET NAMES utf8mb4"]

获取上面的值并设置给数据源

dataSource.setConnectionInitSqls(sqlLists);

connectionInitSqls 是一个用于配置数据库连接池的属性，它允许您指定在每个数据库连接建立时要执行的初始化 SQL 语句。这些 SQL 语句可以用于在连接建立后执行一些特定的操作，例如设置会话变量、执行特定的查询或配置连接的特性。
在许多数据库连接池实现中，包括一些开源的连接池库和应用服务器，都支持 connectionInitSqls 属性来定义连接初始化 SQL。通过配置这个属性，您可以确保每个连接在使用之前都会执行指定的 SQL 语句。

3. 使用最新的 MySQL 连接器。

mysql:mysql-connector-java:8.0.27

jdbc:mysql://192.168.10.10:3306/db_name?characterEncoding=utf8