在你的數(shù)據(jù)庫中使用 MySQL 的 utf8 字符集嗎？ 在這篇文章中，我將解釋為什么你應(yīng)該改用 utf8mb4，以及如何去做。

UTF-8

UTF-8編碼可以表示Unicode字符集中的每一個(gè)符號(hào)，范圍從到。 那是 1,114,112 個(gè)可能的符號(hào)。 （并非所有這些 Unicode 代碼點(diǎn)都已分配字符，但這并不妨礙 UTF-8 能夠?qū)λ鼈冞M(jìn)行編碼。）

UTF-8 是一種可變寬度編碼；可以參考Unicode 字符集和 UTF-8、UTF-16、UTF-32 編碼這篇文章 它使用一到四個(gè) 8 位字節(jié)對(duì)每個(gè)符號(hào)進(jìn)行編碼。 具有較低數(shù)字代碼點(diǎn)值的符號(hào)使用較少的字節(jié)進(jìn)行編碼。 這樣，UTF-8 針對(duì)使用 ASCII 字符和其他 BMP 符號(hào)（其代碼點(diǎn)范圍從 到 ）的常見情況進(jìn)行了優(yōu)化——同時(shí)仍然允許星體符號(hào)（其代碼點(diǎn)范圍從 到 ) 被存儲(chǔ)。

MySQL 中的 utf8

很長一段時(shí)間，我一直在為數(shù)據(jù)庫、表和列使用 MySQL 的 utf8 字符集，假設(shè)它映射到上述 UTF-8 編碼。 通過使用 utf8，我可以在我的數(shù)據(jù)庫中存儲(chǔ)我想要的任何符號(hào)——或者我是這么認(rèn)為的。

在寫 JavaScript 的內(nèi)部字符編碼時(shí)，我注意到無法將 符號(hào)插入到該站點(diǎn)后面的 MySQL 數(shù)據(jù)庫中。 我嘗試更新的列具有 排序規(guī)則，并且連接字符集設(shè)置為 utf8。

mysql> SET NAMES utf8; # just to emphasize that the connection charset is set to `utf8`
Query OK, 0 rows affected (0.00 sec)

mysql> UPDATE database_name.table_name SET column_name = 'foo??bar' WHERE id = 9001;
Query OK, 1 row affected, 1 warning (0.00 sec)
Rows matched: 1  Changed: 1  Warnings: 1

mysql> SELECT column_name FROM database_name.table_name WHERE id = 9001;
+-------------+
| column_name |
+-------------+
| foo         |
+-------------+
1 row in set (0.00 sec)

內(nèi)容在第一個(gè) 符號(hào)處被截?cái)啵诒纠袨?— 因此，嘗試插入 實(shí)際上插入的是 ，導(dǎo)致數(shù)據(jù)丟失（并可能引入安全問題；見下文）。 MySQL 也返回一條警告消息：

mysql> SHOW WARNINGS;
+---------+------+------------------------------------------------------------------------------+
| Level   | Code | Message                                                                      |
+---------+------+------------------------------------------------------------------------------+
| Warning | 1366 | Incorrect string value: '\xF0\x9D\x8C\x86' for column 'column_name' at row 1 |
+---------+------+------------------------------------------------------------------------------+
1 row in set (0.00 sec)

事實(shí)證明，MySQL 的 utf8 字符集僅部分實(shí)現(xiàn)了正確的 UTF-8 編碼。 它只能存儲(chǔ)由一到三個(gè)字節(jié)組成的 UTF-8 編碼符號(hào)； 不支持占用四個(gè)字節(jié)的編碼符號(hào)。

由于星體符號(hào)（其代碼點(diǎn)范圍從 到 ）在 UTF-8 中均由四個(gè)字節(jié)組成，因此我們不能使用 MySQL 的 utf8 實(shí)現(xiàn)來存儲(chǔ)它們。

這不僅會(huì)影響 字符，還會(huì)影響更重要的符號(hào)，例如 。 總共有 1,048,575 個(gè)可能的代碼點(diǎn)是我們不能使用的。 事實(shí)上，MySQL 的 utf8 只允許我們存儲(chǔ)所有可能的 Unicode 代碼點(diǎn)的 5.88% 。 正確的 UTF-8 可以編碼所有 Unicode 代碼點(diǎn)的 100% 。

MySQL 中的 utf8mb4

幸運(yùn)的是，MySQL 5.5.3（2010 年初發(fā)布）引入了一種名為 utf8mb4 的新編碼，它映射到正確的 UTF-8，因此完全支持 Unicode，包括星體符號(hào)。

我們可以參考 MySQL 編碼utf8 與 utf8mb4 utf8mb4_unicode_ci 與 utf8mb4_general_ci

總結(jié)

永遠(yuǎn)不要在 MySQL 中使用 utf8——總是使用 utf8mb4。 更新數(shù)據(jù)庫和代碼可能需要一些時(shí)間，但絕對(duì)值得付出努力。 為什么要任意限制可以在數(shù)據(jù)庫中使用的符號(hào)集？ 為什么每次用戶輸入星體符號(hào)作為評(píng)論或消息的一部分或我們存儲(chǔ)在數(shù)據(jù)庫中的任何內(nèi)容時(shí)，都會(huì)丟失數(shù)據(jù)？ 沒有理由不在所有地方爭取完全的 支持。 做正確的事，使用 utf8mb4。

到此這篇關(guān)于如何在 MySQL 數(shù)據(jù)庫中支持完整的 Unicode的文章就介紹到這了,更多相關(guān)mysql支持 Unicode內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論