mysql utf8 和utf8mb4|极客笔记

mysql utf8 和utf8mb4

什么是 UTF-8 和 UTF-8mb4

在谈论 MySQL 中的字符集编码时，我们常常会听到两个术语：UTF-8 和 UTF-8mb4。实际上，UTF-8 是一种非常常见的字符集编码，而 UTF-8mb4 是对 UTF-8 的一种扩展。

UTF-8（Unicode Transformation Format – 8-bit）是一种编码，它可以在 Unicode 字符集中表示所有字符。UTF-8 的特点是可变长度编码，它可以将 Unicode 字符集中的字符转换为一到四个字节。对于常用的拉丁字母和标点符号，UTF-8 使用一个字节表示；对于较为罕见的字符，它使用两个、三个或四个字节进行表示。UTF-8 是一种兼容 ASCII 的编码方式，这意味着它可以在只使用一个字节的情况下表示 ASCII 字符。

UTF-8mb4 是对 UTF-8 的一种扩展，它可以用来在 MySQL 中存储更广泛的字符集，包括一些不常见的表情符号和特殊字符。UTF-8mb4 使用四个字节的编码方式，可以表示所有的 Unicode 字符。

MySQL 中的字符集设置

在 MySQL 中，默认的字符集编码是 Latin1，这是一种较为古老的字符集编码，仅能表示极少的字符。为了更好地支持多语言环境和存储多样化的数据，我们通常希望将字符集编码设置为 UTF-8 或 UTF-8mb4。

修改数据库字符集

在创建数据库时，可以通过指定字符集编码来设置数据库的默认字符集。例如，使用如下语句创建一个名为 mydatabase 的数据库，并将其字符集编码设置为 UTF-8mb4：

CREATE DATABASE mydatabase DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

修改表字符集

对于已经创建好的表，我们可以使用 ALTER TABLE 语句来修改其字符集编码。例如，下面的语句将表 mytable 的字符集编码从默认的 Latin1 修改为 UTF-8mb4：

ALTER TABLE mytable CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

修改列字符集

如果想要仅修改某个表的某个列的字符集编码，可以使用 ALTER TABLE 语句来实现。下面的语句将表 mytable 的列 mycolumn 的字符集编码从默认的 Latin1 修改为 UTF-8mb4：

ALTER TABLE mytable MODIFY COLUMN mycolumn TEXT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

UTF-8 和 UTF-8mb4 在应用程序中的应用

MySQL 中的字符集编码设置不仅仅在数据库层面起作用，同样也需要在应用程序中进行相应的设置。下面以 PHP 为例，介绍一下如何在应用程序中正确使用 UTF-8 或 UTF-8mb4。

设置连接字符集

在 PHP 中，我们可以使用 mysqli 扩展来与 MySQL 数据库进行交互。在与数据库建立连接之前，我们可以使用 mysqli_set_charset 函数来设置连接的字符集编码。例如，以下代码将设置连接的字符集编码为 UTF-8mb4：

$connection = mysqli_connect("localhost", "username", "password", "mydatabase");
mysqli_set_charset($connection, "utf8mb4");

设置查询字符集

在进行查询之前，我们需要确保查询的字符集编码与数据库中存储的字符集编码相同。可以通过在查询之前执行 SET NAMES 语句来设置查询的字符集编码。例如，以下代码使用 UTF-8mb4 字符集编码执行一条查询：

$query = "SELECT * FROM mytable";
mysqli_query($connection, "SET NAMES utf8mb4");
$result = mysqli_query($connection, $query);

UTF-8 和 UTF-8mb4 的比较

UTF-8 和 UTF-8mb4 是两种非常相似的字符集编码，它们都可以用于在 MySQL 中存储多样化的数据。然而，由于 UTF-8mb4 使用四个字节进行编码，它能够表示更广泛的字符集，包括一些特殊字符和表情符号。对于大部分应用来说，使用 UTF-8mb4 是一种更好的选择，可以确保正确存储和显示各种多样性的数据。

需要注意的是，UTF-8mb4 在存储和传输数据时占用的空间会比 UTF-8 大一些。这在一些存储空间有限或要求高性能的场景中可能会导致一些问题。因此，在实际应用中，我们需要权衡空间消耗和字符集支持的需求，选择适合的字符集编码方式。