mysql 数据库字符集选择,是用 utf8 还是 utf8mb4?

2021-04-27 08:25:28 +08:00
 HDMItoDP

哪个用的多一些?

5862 次点击
所在节点    MySQL
27 条回复
loveyu
2021-04-27 08:29:58 +08:00
utf8mb4
wowo243
2021-04-27 08:33:59 +08:00
utf8mb4 能避免 emoji 存储问题
Seanfuck
2021-04-27 08:34:23 +08:00
看场景,有特殊字符就必须后者
HDMItoDP
2021-04-27 08:36:30 +08:00
@Seanfuck 我能想到的特殊字符只有 emoji,还会有别的特殊字符吗
wlzcool
2021-04-27 08:36:45 +08:00
反正整个库必须要保持一致,不然连表查索引会走不上
IvanLi127
2021-04-27 08:40:39 +08:00
请无脑选 utf8mb4
eason1874
2021-04-27 08:59:29 +08:00
需要支持中文就无脑 utf8mb4,很多旧系统不支持生僻字就是因为不支持 4 字节,升级起来麻烦
id4alex
2021-04-27 09:01:03 +08:00
新系统就上 utf8mb4 呗
echo1937
2021-04-27 09:01:41 +08:00
新库无脑选择 utf8mb4,老库不爱改也可以不改。
caola
2021-04-27 09:02:13 +08:00
MySQL 的 utf8mb4 才是真正意义上的 UTF-8
qwerthhusn
2021-04-27 09:21:31 +08:00
请问是使用 utf8mb4_bin 还是用 utf8mb4_general_ci?
imnpc
2021-04-27 09:28:35 +08:00
目前 MySQL 8 默认就是 utf8mb4 , 一般为了兼容都是 utf8mb4
HDMItoDP
2021-04-27 09:40:22 +08:00
@imnpc MySQL 8 我看新建库的时候也是可以选 utf-8 的
lonelymarried
2021-04-27 09:59:41 +08:00
用 jpa 存了一次 emoji,才知道要用 utf8mb4,记忆深刻。
securityCoding
2021-04-27 10:30:10 +08:00
utf8mb4 凡是表里面字段依赖用户输入无脑用这个
xsm1890
2021-04-27 10:41:59 +08:00
无论用哪种一定要统一。公司之前用的 utf8,后面用 utf8mb4 。虽说 utf8mb4 是 utf8 的超集,但是在索引关联上留下了大坑。
rambo92
2021-04-27 10:44:51 +08:00
@wlzcool
@xsm1890
是的。
不过除了 charset 要保持一致外,college 也要保持一致。
hjq632233317
2021-04-27 10:44:53 +08:00
百度复制来的

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。
二、内容描述
那上面说了既然 utf8 能够存下大部分中文汉字,那为什么还要使用 utf8mb4 呢? 原来 mysql 支持的 utf8
编码最大字符长度为 3 字节,如果遇到 4 字节的宽字符就会插入异常了。三个字节的 UTF-8 最大能编码的 Unicode 字符是
0xffff,也就是 Unicode 中的基本多文种平面(BMP)。也就是说,任何不在基本多文本平面的 Unicode 字符,都无法使用
Mysql 的 utf8 字符集存储。包括 Emoji 表情(Emoji 是一种特殊的 Unicode 编码,常见于 ios 和 android
手机上),和很多不常用的汉字,以及任何新增的 Unicode 字符等等。
三、问题根源
最初的 UTF-8 格式使用一至六个字节,最大能编码 31 位字符。最新的 UTF-8 规范只使用一到四个字节,最大能编码 21 位,正好能够表示所有的 17 个 Unicode 平面。
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。
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(查看版本:select version();)。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 。
JRay
2021-04-27 10:45:38 +08:00
utf8mb4 emoji 难受
liuxu
2021-04-27 11:05:21 +08:00
@qwerthhusn utf8mb4_unicode_ci

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/773509

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX