漫話：如何給女朋友解釋為什么不能在MySQL中使用UTF-8編碼
MySQL是一種關系型數
據庫，這個大家肯定都不陌生，使用MySQL創建數據庫的時候，大家需要指定一種編碼方式。
很多時候，大家基于自己對編碼方式的了解，會認為UTF-8是一種通用的編碼方式，所以大多數時候會默認選擇這種編碼方式。
但是，這往往會給你的數據庫埋下一個大坑!!!
MySQL對Unicode的支持
Unicode字符集，他現在已經是計算機科學領域里的一項業界標準，它對世界上大部分的文字系統進行了整理、編碼，使得計算機可以用更為簡單的方式來呈現和處理文字。
為了適應不同的數據存儲和傳遞需求，人們提出了 Unicode Transformation Format(UTF)系列編碼。這其中包含UTF-8、UTF-16、UTF-32等。
通過查閱MySQL官方文檔(https://dev.mysql.com/doc/refman/8.0/en/charset-unicode.html )，我們可以知道，在MySQL中，主要支持以下字符集：utf8、ucs2、utf8mb3、utf8mb4、utf16、utf16le和utf32
不同的字符集的區別在于包含的字符情況以及存儲需要的空間。
| 字符集 | 支持的字符 | 每個字符所需存儲空間 |
|---|---|---|
| utf8mb3, utf8 | BMP | 1-3 字節 |
| ucs2 | BMP | 2 字節 |
| utf8mb4 | BMP和補充字符 | 1-4 字節 |
| utf16 | BMP和補充字符 | 2或4 字節 |
| utf16le | BMP和補充字符 | 2或4 字節 |
| utf32 | BMP和補充字符 | 4 字節 |
在MySQL官方文檔中，介紹了支持的編碼方式之后，還有一段醒目的提醒：
翻譯過來是：utf8mb3字符集已被棄用，它在未來的MySQL版本中將會被刪除，請使用utf8mb4代替。在目前的8.0版本中，utf8指的就是utf8mb3，雖然未來可能改成utf8mb4，但是為了避免產生歧義，可以考慮為字符集引用顯式指定utf8mb4，而不是utf8。
也就是說，當我們在MySQL 8.0 中指定字符編碼方式為UTF-8的時候，其實使用的是utf8mb3這種編碼方式。
那么，我們先來說說utf8mb3。
utf8mb3
utf8mb3字符集是MySQL早期就支持的字符集，他具有以下特征:
1、僅支持BMP字符(不支持補充字符)
2、每個多字節字符最多需要三個字節
注意，僅支持BMP字符，那么什么是BMP字符呢?
BMP是Basic Multilingual Plane的縮寫，即碼位在0到65535之間(或者U+0000和U+FFFF)的字符。
BMP中并不包含補充字符，即碼位在U+10000和U+10FFFF之間的的字符。補充字符有哪些呢，如一些生僻的漢字，或者Emoji 表情等都是補充字符。
也就是說，如果在建表的時候，指定的編碼方式是utf8mb3(utf-8)，那么對于一些生僻字或者emoji表情都無法表示。
utf8mb4
早期的時候，Unicode 只用到了 0~0xFFFF 范圍的數字編碼，這就是 BMP 字符集。所以，最初MySQL在設計之初，也就只涉及了包含BMP 字符集的utfmb3(utf-8)，但是隨著文字越來越多，3個字節肯定無法全部表示，于是Unicode支持的字符就更多了。
所以，早期的utfmb3在有些場景中就不能滿足需求了，于是，MySQL在5.5.3之后增加了utf8mb4的編碼。
utfmb4字符集具有以下特征:
1、支持BMP和補充字符。
2、每個多字節字符最多需要4個字節。
utf8mb4與utf8mb3字符集不同，utf8mb3字符集只支持BMP字符，每個字符最多使用三個字節:
對于BMP字符，utf8mb4和utf8mb3具有相同的存儲特征，即相同的編碼值，相同的編碼，相同的長度。
對于補充字符，utf8mb4需要4個字節來存儲它，而utf8mb3根本不能存儲該字符。所以我們說utf8mb4是utf8mb3的超集。
所以，很多時候，為了考慮到兼容性，建議創建MySQL表的時候，使用utf8mb4，而不是utf8!
utf8mb3和utf8mb4區別及優缺點
前面分別介紹了utf8mb3和utf8mb4字符集，他們的區別如下:
utf8mb3只支持BMP (Basic Multilingual Plane)的字符。utf8mb4還支持BMP之外的補充字符。
utf8mb3每個字符最多使用3個字節。Utf8mb4每個字符最多使用4個字節。
utf8mb4比utf8mb3來說，他能表示更多的補充字符，但是同時占用的空間可能會更大一些。
從utf8mb3轉換成utf8mb4
首先，想要把字符集從utf8mb3轉換到utf8mb4，其實是問題不大的:
對于BMP字符，utf8mb4和utf8mb3具有相同的存儲特征:相同的編碼值，相同的編碼，相同的長度。
對于補充字符，utf8mb4需要4個字節來存儲它，而utf8mb3根本不能存儲該字符。當將utf8mb3列轉換為utf8mb4時，您不必擔心轉換補充字符，因為沒有補充字符。
假設有一張已知表使用了utf8mb3：
- CREATE TABLE t1 (
- col1 CHAR(10) CHARACTER SET utf8 COLLATE utf8_unicode_ci NOT NULL,
- col2 CHAR(10) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL
- ) CHARACTER SET utf8;
下面的語句將t1轉換為utf8mb4:
- ALTER TABLE t1
- DEFAULT CHARACTER SET utf8mb4,
- MODIFY col1 CHAR(10)
- CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL,
- MODIFY col2 CHAR(10)
- CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NOT NULL;
關于作者：漫話編程，是一個通過漫畫+音頻的形式講解枯燥的編程知識的公眾號。致力于讓編程變得更有樂趣。
本文轉載自微信公眾號「漫話編程」，可以通過以下二維碼關注。轉載本文請聯系漫話編程公眾號。
