MySQL中utf8与utf8mb4的区别及使用建议

认识字符编码与字符集

字符集是文字、符号的集合，字符编码则是将这些字符转换为计算机可存储的二进制数据的规则。常见的字符集包括 ASCII、GB2312、GBK 等。

• ASCII：定义 128 个字符，主要用于英文，最高位为校验位，实际使用 7 位。
  
• GB2312/GBK：针对汉字设计的字符集，GBK 兼容 GB2312 并收录了更多汉字。
  

随着全球化的发展，不同编码体系间的转换常常引发乱码问题，因为同样的二进制序列在不同编码下代表不同的字符。

为解决此问题，Unicode 应运而生，它统一了全球所有字符的编码标准。而 UTF-8 则是 Unicode 的一种变长编码方式（其他还有 UTF-16、UTF-32），能根据字符自动选择 1 到 4 个字节进行存储。

MySQL 中的“陷阱”：utf8 并非真 UTF-8

在 MySQL 中，开发者通常被建议使用 UTF-8 作为数据库默认编码，但 MySQL 中存在两个名字极易混淆的选项：

• utf8：这是 MySQL 的历史遗留命名，实际上它只支持最大 **3个字节** 的字符编码。这意味着它只能存储基本的多文种平面（BMP）字符，如常规的中英文。当遇到需要 4 个字节的字符时（如大部分 Emoji 表情、部分生僻繁体字），数据库将无法处理。
  
• utf8mb4：这才是对 UTF-8 标准的完全实现（mb4 即 most bytes 4）。它支持从 1 到 4 个字节的任意长度编码，可以完美存储 Emoji 和罕见汉字。
  

错误复现与正确实践

第1步：观察常见报错场景

如果在 MySQL 建表时使用了 CHARSET=utf8，尝试插入包含 Emoji 的数据时，通常会收到以下 SQL 异常：

Incorrect string value: '\xF0\x9F\x98\x98...' for column 'name' at row 1

F0 开头的十六进制串通常表示一个占用 4 个字节的数据，这证明了 utf8 在处理该列时的能力上限。

第2步：建立正确的表结构

为避免此类问题，在建表时应显式指定数据库或字段的字符集为 utf8mb4。

CREATE TABLE `user` (
  `id` varchar(66) CHARACTER SET utf8mb4 NOT NULL,
  `name` varchar(33) CHARACTER SET utf8mb4 NOT NULL,
  `phone` varchar(33) CHARACTER SET utf8mb4 DEFAULT NULL,
  `password` varchar(100) CHARACTER SET utf8mb4 DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

注意参数：

• 推荐将表的默认引擎设置为 DEFAULT CHARSET=utf8mb4。
  
• 若表中字段可能包含中文或 Emoji，请确保对应字段的 CHARACTER SET 也设为 utf8mb4。
  

完成以上设置后，即可正常存储和检索包含 Emoji 等特殊字符的数据。以上就是关于 MySQL utf8 与 utf8mb4 区别的详细内容，更多关于 MySQL 字符集配置的资料请关注本站其它相关文章！