utf8或者utf-8是大家常見的一個詞匯，它是一種信息的編碼格式，特別是不同開發平臺的系統進行對接的時候，編碼一定要對齊，否則就容易出現亂碼。

什么是編碼？

先說說什么是編碼。編碼就像我們日常生活中的語言，不同的地方說不同的話，編碼就是計算機用來表示這些“話”的一種方式。比如我們使用漢字來說話，計算機用二進制數來表示這些漢字的方式，就是編碼。

utf8就是這樣一種編碼格式，正式點要使用：UTF-8，utf8是一個簡寫形式。

為什么需要utf8？

在計算機早期，主要使用ASCII編碼，只能表示128個字符，漢字完全表示不了。后來，才出現了各種各樣的編碼方式，比如GB2312、GBK、BIG5，但這些編碼只能在特定的環境下使用，不能全球通用。

UTF-8就像一個萬能翻譯官，它的全稱是“Unicode Transformation Format - 8 bit”，注意這里不是說UTF-8只能使用8bit來表示一個字符，實際上UTF-8能表示世界上幾乎所有的字符。

它的特點是：

• 變長編碼：一個字符可以用1到4個字節表示，英文字符用1個字節（8bit），漢字用3個字節（24bit）。
• 向后兼容ASCII：ASCII的字符在UTF-8中還是一個字節，這樣就兼容了老系統。
• 節省空間：對于英文字符，UTF-8比其他多字節編碼更省空間。

UTF-8適用于網頁、文件系統、數據庫等需要全球化支持的場景。

經常接觸代碼的同學應該還經常能看到 Unicode 這個詞，它和編碼也有很大的關系，其實Unicode是一個字符集標準，utf8只是它的一種實現方式。Unicode 作為一種字符集標準，為全球各種語言和符號定義了唯一的數字碼位（code points）。其它的Unicode實現方式還有UTF-16和UTF-32：

• UTF-16 使用固定的16位（2字節）或者變長的32位（4字節，不在常用字符之列）來編碼 Unicode 字符。
• UTF-32 每一個字符都直接使用固定長度的32位（4字節）編碼，不論字符的實際數值大小。這會消耗更多的存儲空間，但是所有字符都可以直接索引訪問。

utf8mb4又是什么？

utf8mb4并不常見，它是UTF-8的一個擴展版本，專門用于MySQL數據庫。MySQL在 5.5.3 之后增加了一個utf8mb4的編碼，mb4就是最多4個字節的意思（most bytes 4），它主要解決了UTF-8不能表示一些特殊字符的問題，比如Emoji表情，這在論壇或者留言板中也經常用到。大家使用小紅書時應該見過各種各樣的表情符號，小紅書后臺也可能使用utf8mb4保存它們。

編碼規則和特點：

• 最多4個字節：utf8mb4中的每個字符最多用4個字節表示。
• 支持更多字符：能表示更多的Unicode字符，包括Emoji和其他特殊符號。

utf8和utf8mb4的比較

存儲空間

• 數據庫：utf8mb4每個字符最多用4個字節，比UTF-8多一個字節，存儲空間會增加。
• 文件：類似的，文件用utf8mb4編碼也會占用更多的空間。

性能影響

• 數據庫：utf8mb4的查詢和索引可能稍微慢一些，因為占用更多的空間和內存。
• 網絡傳輸：utf8mb4編碼的字符會占用更多的帶寬，傳輸速度可能會稍慢。

不過因為實際場景中使用的utf8mb4的字符也不多，其實對存儲空間和性能的影響很小，大家基本沒有必要因為多占用了一些空間和流量，而不是用utf8mb4。

只是我們在定義字段長度、規劃數據存儲空間、網絡帶寬的時候，要充分考慮4字節帶來的影響，預留好足夠的空間。

實戰選擇

在實際開發中，選擇編碼要根據具體需求來定。如果你的網站或者應用需要支持大量的特殊字符和Emoji，使用utf8mb4是個不錯的選擇。如果主要是英文和普通中文文本，utf8足夠應付。

注意為了避免亂碼問題，前端、后端、數據庫都應該使用同一種編碼，比如utf8，具體到編碼時就是要確保數據庫連接、網頁頭部、文件讀寫都設置為相同的編碼。

另外還需要注意Windows和Linux系統中使用UTF-8編碼的文件可能是有差別的，Windows中的UTF-8文件可能會攜帶一個BOM頭，方便系統進行識別，但是Linux中不需要這個頭，所以如果要跨系統使用這個文件，特別是程序腳本，可能需要在Linux中去掉這個頭。