MySQL中utf8mb4和utf8字符集之间的区别是什么？

MySQL中的

utf8mb4

和

utf8

字符集之间有什么区别

我已经知道ASCII、UTF-8、UTF-16和UTF-32编码； 但是我很想知道

utf8mb4

编码组与MySQL服务器中定义的其他编码类型有什么区别

使用

utf8mb4

而不是

utf8

有什么特别的好处/建议吗？

是一种可变长度编码。在UTF-8的情况下，这意味着存储一个代码点需要一到四个字节。然而，MySQL的编码称为“utf8”（别名为“utf8mb3”），每个代码点最多只能存储三个字节

因此，字符集“utf8”/“utf8mb3”不能存储所有Unicode代码点：它只支持0x000到0xFFFF的范围，称为“”。 另见

这是（上一版本的同一页）对此的看法：

名为utf8[/utf8mb3]的字符集每个字符最多使用三个字节，并且仅包含BMP字符。从MySQL 5.5.3开始，utf8mb4字符集每个字符最多使用四个字节，支持补充字符：

• 对于BMP字符，utf8[/utf8mb3]和utf8mb4具有相同的存储特性：相同的代码值、相同的编码、相同的长度

• 对于补充字符，utf8[/utf8mb3]根本无法存储该字符，而utf8mb4需要四个字节来存储该字符。由于utf8[/utf8mb3]根本无法存储字符，因此在utf8[/utf8mb3]列中没有任何补充字符，并且在从较旧版本的MySQL升级utf8[/utf8mb3]数据时，不必担心转换字符或丢失数据

---

因此，如果您希望您的列支持存储位于BMP之外的字符（您通常希望），例如，使用“utf8mb4”。另请参见。

utf8mb4字符集非常有用，因为现在我们不仅需要支持存储语言字符，还需要支持存储符号、新引入的表情符号等

马蒂亚斯·拜恩斯（Mathias Bynens）的一本好书也可以对此有所启发

摘自：

• utf8mb4

  ：使用一对一的Unicode字符集的UTF-8编码 每个字符有四个字节

• utf8mb3

  ：使用一对一的Unicode字符集的UTF-8编码 每个字符三个字节

在MySQL中，

utf8

目前是

utf8mb3

的别名，已被弃用，并将在未来的MySQL版本中删除。此时

utf8

将成为对

utf8mb4

的引用

因此，不管这个别名是什么，您都可以有意识地为自己设置

utf8mb4

编码

为了完成回答，我想在下面添加@WilliamEntriken的评论（也摘自手册）：

<>为了避免<代码> UTF8意义的歧义，考虑明确指定<代码> UTF8Mb4< /COD>字符集引用，而不是<代码> UTF8

---

MySQL在5.5.3之后添加了这个utf8mb4代码，Mb4是最字节4的意思，专门设计为与四字节Unicode兼容。幸运的是，UTF8MB4是UTF8的超集，只是不需要将编码转换为UTF8MB4。当然，为了节省空间，一般使用UTF8就足够了

原始UTF-8格式使用1到6个字节，最多可编码31个字符。最新的UTF-8规范仅使用一到四个字节，最多可编码21位，仅代表所有17个Unicode平面。UTF8是Mysql中的一个字符集，最多只支持三个字节的UTF-8字符，这是Unicode中的基本多文本平面

要在Mysql中保存4字节长的UTF-8字符，您需要使用UTF8MB4字符集，但仅使用5.5。支持3个版本后（查看版本：选择版本（）；）。我认为为了获得更好的兼容性，您应该始终使用UTF8MB4而不是UTF8。对于char类型的数据，UTF8MB4消耗更多的空间，并且根据Mysql的官方建议，使用VARCHAR代替char

在MariaDB中，当未在服务器配置中显式设置utf8mb4时，将其作为默认字符集，因此使用COLLATE utf8mb4\u unicode\u ci

• utf8

  是MySQL较早的、有缺陷的UTF-8实现，目前正在被弃用

• utf8mb4

  是他们命名的固定UTF-8实现，也是您现在应该使用的

在有缺陷的版本中，只有第一个64k字符平面（基本的多语言平面）中的字符可以工作，其他字符被认为无效。该平面内的代码点值-0到65535（其中一些是出于特殊原因保留的）可以用UTF-8中最多3个字节的多字节编码表示，MySQL早期版本的UTF-8任意决定将其设置为限制。这一限制在任何时候都不是UTF-8规则的正确解释，因为UTF-8在任何时候都没有定义为每个字符最多只允许3个字节。事实上，UTF-8的最早定义将其定义为最多有6个字节（自修订后为4个字节）。MySQL的原始版本总是被任意破坏

当MySQL发布此版本时，此限制的结果并不太糟糕，因为大多数Unicode字符都在第一个平面中。从那时起，越来越多新定义的字符范围被添加到Unicode中，其值位于第一个平面之外。Unicode本身定义了17个平面，尽管到目前为止只使用了其中的7个

为了避免在做出任何特定假设时破坏旧代码，MySQL保留了被破坏的实现，并调用了更新的固定版本

utf8mb4

。这导致了一些混乱

CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;