1 字节的 utf-8 序列的字节 1 无效_UTF8：一些好像没什么用的冷知识

本文一共 3023 字，阅读时间自己算。

在乔纳森·斯威夫特的著名讽刺小说《格列夫游记》中，小人国内部分裂成Big-endian和Little-endian两派，区别在于一派要求从鸡蛋的大头把鸡蛋打破，另一派要求从鸡蛋的小头把鸡蛋打破。

然后忘了这个故事，咱们开始吧。

==  坑 ==

Charles同学这周又踩了个坑，数据插入MySQL时报错：

1366 Incorrect string value: '\xF0\x90\x8D\x83...' for column 'content' at row 1

按惯例搜一下，据说是因为mysql用的 utf8 不支持 emoji，需要修改配置文件，将字符集改成 utf8mb4：

[mysqld]

character-set-server = utf8mb4

stackoverflow.com/questions/10957238

但是 Charles 已经加上了这个配置，仍然报错。

实际上，MySQL 还有另外一个配置，用于指定客户端和服务器之间连接时使用的字符集：

[mysqld]character-set-client-handshake = utf8mb4

当然，也可以在MySQL Client中指定，具体需要参考client的文档，或者简单粗暴地在连接成功以后执行(但不推荐)：

SET NAMES utf8mb4;

‍

== utf8 和 utf8mb4 ==

那么，什么是utf8mb4？和utf8有啥区别呢？

根据MySQL的manual：

The utfmb4 character set has these characteristics: 

- Supports BMP and supplementary characters.

- Requires a maximum of four bytes per multibyte character.

https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-utf8mb4.html

(文档中utf8mb4打错了&