MySQL中的utf8mb4和utf8字符集有什么区别？

Question

MySQL中utf8mb4和utf8charsets有什么区别？

我已经知道ASCII,UTF-8,UTF-16和UTF-32编码; 但我很想知道utf8mb4编码组与MySQL服务器中定义的其他编码类型的区别.

是否有任何特殊利益/建议使用utf8mb4而不是utf8？

Answer 1

UTF-8是可变长度编码.在UTF-8的情况下,这意味着存储一个代码点需要一到四个字节.但是,名为"utf8"(别名为"utf8mb3")的MySQL编码每个代码点最多只能存储三个字节.

因此字符集"utf8"/"utf8mb3"不能存储所有Unicode代码点:它只支持0x000到0xFFFF的范围,称为" 基本多语言平面 ".另请参见Unicode编码的比较.

这是MySQL文档必须说明的(同一页面的先前版本):

名为utf8 [/ utf8mb3]的字符集每个字符最多使用三个字节,仅包含BMP字符.从MySQL 5.5.3开始,utf8mb4字符集每个字符最多使用四个字节,支持补充字符:

• 对于BMP字符,utf8 [/ utf8mb3]和utf8mb4具有相同的存储特性:相同的代码值,相同的编码,相同的长度.

• 对于补充字符,utf8 [/ utf8mb3]根本不能存储字符,而utf8mb4需要四个字节来存储它.由于utf8 [/ utf8mb3]根本无法存储字符,因此在utf8 [/ utf8mb3]列中没有任何补充字符,并且在升级旧版本的utf8 [/ utf8mb3]数据时无需担心转换字符或丢失数据MySQL的.

因此,如果您希望列支持存储位于BMP之外的字符(通常是您想要的),例如表情符号,请使用"utf8mb4".另请参见实际使用中最常见的非BMP Unicode字符是什么？.

Answer 2

的utf8mb4,因为现在我们需要为存储不仅语言文字,而且是符号,新引进的表情符号,支持,等等字符集是非常有用的.

如何在 Mathias Bynens中支持MySQL数据库中的完整Unicode,这也很好地解读了这一点.

Answer 3

摘自MySQL 8.0参考手册:

• utf8mb4:Unicode字符集的UTF-8编码,每个字符使用一到四个字节.

• utf8mb3:Unicode字符集的UTF-8编码,每个字符使用一到三个字节.

在MySQL的 utf8是目前的别名utf8mb3,其已被弃用,并且将在未来被删除的MySQL版本.届时utf8 将成为参考 utf8mb4.

因此,无论这个别名如何,您都可以有意识地为自己设置utf8mb4编码.

Answer 4

• utf8 是 MySQL 较旧的、有缺陷的 UTF-8 实现，它正在被弃用。
• utf8mb4 是他们命名的固定 UTF-8 实现，也是您现在应该使用的。

在他们有缺陷的版本中，只有第一个 64k 字符平面（基本的多语言平面）中的字符有效，其他字符被视为无效。该平面内的代码点值 - 0 到 65535（其中一些因特殊原因而保留）可以由最多 3 个字节的 UTF-8 中的多字节编码表示，而 MySQL 早期版本的 UTF-8 任意决定将其设置为限制。这种限制绝不是对 UTF-8 规则的正确解释，因为 UTF-8 从未被定义为每个字符最多允许 3 个字节。事实上，UTF-8 的最早定义将其定义为最多 6 个字节（自修订为 4 个）。MySQL的原始版本总是被任意残废。

回到 MySQL 发布此版本时，此限制的后果还不错，因为大多数 Unicode 字符都在第一个平面中。从那时起，越来越多的新定义的字符范围被添加到 Unicode，其值在第一个平面之外。Unicode 本身定义了 17 个平面，但目前只使用了其中的 7 个。

为了不破坏做出任何特定假设的旧代码，MySQL 保留了破坏的实现并调用了较新的固定版本utf8mb4。这导致了一些混淆，名称被误解为好像它是 UTF-8 的某种扩展或 UTF-8 的替代形式，而不是 MySQL 对真正 UTF-8 的实现。

MySQL 的未来版本最终将淘汰旧版本，现在它可以被视为已弃用。在可预见的将来，您需要使用utf8mb4UTF-8 来确保正确的编码。经过足够的时间后，当前utf8将被删除，并且在将来的某个日期utf8将再次上升，这次是指固定版本，但utf8mb4将继续明确地指固定版本。

Answer 5

MySQL在5.5.3之后添加了这个utf8mb4编码，Mb4是最多字节4的意思，专门设计用于兼容四字节Unicode。幸运的是，UTF8MB4 是 UTF8 的超集，只不过不需要将编码转换为 UTF8MB4。当然，为了节省空间，一般使用UTF8就足够了。

原始的 UTF-8 格式使用 1 到 6 个字节，最多可以编码 31 个字符。最新的UTF-8规范仅使用一到四个字节，最多可以编码21位，正好代表所有17个Unicode平面。UTF8是Mysql中的字符集，最多只支持三个字节的UTF-8字符，这是Unicode中基本的多文本平面。

Mysql中要保存4字节长的UTF-8字符，需要使用UTF8MB4字符集，但只有5.5。后支持3个版本（查看版本：选择版本（）；）。我认为为了获得更好的兼容性，您应该始终使用UTF8MB4而不是UTF8。对于char类型数据，UTF8MB4消耗空间较多，根据Mysql官方推荐，使用VARCHAR代替char。

在 MariaDB 中，当未在服务器配置中显式设置时，将 utf8mb4 作为默认 CHARSET，因此使用 COLLATE utf8mb4_unicode_ci。

请参阅 MariaDB CHARSET & COLLATE 点击

CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;