MySQL字符集utf8mb4与utf8的区别

MySQL在5.5.3版本之后增加了这个utf8mb4的编码，mb4就是most bytes
4的意思，专门用来兼容四字节的unicode。其实，utf8mb4是utf8的超集，理论上原来使用utf8，然后将字符集修改为utf8mb4，也会不会对已有的utf8编码读取产生任何问题。当然，为了节省空间，一般情况下使用utf8也就够了。

既然utf8应付日常使用完全没有问题，那为什么还要使用utf8mb4呢? 低版本的mysql支持的utf8编码，最大字符长度为 3 字节，如果遇到 4
字节的字符就会出现错误了。

三个字节的 UTF-8 最大能编码的 Unicode 字符是 0xFFFFFF，也就是 Unicode
中的基本多文平面（BMP）。也就是说，任何不在基本多文平面的 Unicode字符，都无法使用MySQL原有的 utf8 字符集存储。

这些不在BMP中的字符包括哪些呢？最常见的就是Emoji 表情（Emoji 是一种特殊的 Unicode
编码，常见于IOS和Android手机上），和一些不常用的汉字，以及任何新增的 Unicode 字符等等。

理论上将， UTF-8 格式使用一至六个字节编码字符。最新的 UTF-8 规范只使用一到四个字节，正好能够表示所有的 17个 Unicode 平面。

而utf8 则是 Mysql 早期版本中支持的一种字符集，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。在MySQL5.5.3版本后，要在 Mysql 中保存 4 字节长度的 UTF-8 字符，就可以使用 utf8mb4
字符集了。例如可以用utf8mb4字符编码直接存储emoj表情，而不是存表情的替换字符。

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。

另外，如果使用的是Java服务器，请升级或确保你的mysql connector版本高于5.1.13，否则仍然无法使用utf8mb4。异常信息:
org.springframework.jdbc.CannotGetJdbcConnectionException: Could not get JDBC
Connection; nested exception is org.apache.commons.dbcp.SQLNestedException:
Cannot create PoolableConnectionFactory (Unknown initial character set index
'224' received from server. Initial client character set can be forced via the
'characterEncoding' property.)

 

• « 上一篇：对sighandler_t类型的理解
• » 下一篇：DHCP原理