在现代 Web 应用程序世界中,支撑多种语言和字符集变得越来越重要。跟着全球化的兴起,存储和处理多语言数据的需求变得至关重要。MySQL 作为最盛行的联系数据库办理系统之一,认识到了这一需求,并在其 8.0 版别中引入了 utf8mb4。在这篇文章中,咱们将通过实践示例讨论 utf8mb4 及其在 MySQL 8 中的优势。
作者:Arunjith Aravindan
本文原文:www.percona.com/blog/the-po…
本文约 2000 字,预计阅读需求 7 分钟。
了解 utf8mb4
在深入讨论 utf8mb4 的优点之前,咱们先弄清一下 utf8mb4 代表什么。在 MySQL 中,“utf8”是指支撑 Unicode 字符集的字符编码,每个字符最多运用三个字节。可是,MySQL 中原始的 utf8 完成并没有包括一切 Unicode 字符。另一方面,utf8mb4 是 utf8 的修改版别,它支撑完好的 Unicode 字符集,包括表情符号和其他弥补字符,每个字符最多运用四个字节。
MySQL 中原始的 utf8 完成仅支撑根本多文种平面(BMP)中的字符,大约占一切 Unicode 字符的 90%。另一方面,utf8mb4 支撑整个 Unicode 字符集,包括表情符号和其他弥补字符。它通过每个字符最多运用四个字节而不是 utf8 运用的三个字节来完成此目的。
下表显示了 utf8 和 utf8mb4 之间的差异:
特征 | UTF8 | utf8mb3 | utf8mb4 |
---|---|---|---|
每个字符的最大字节数 | 3 | 3 | 4 |
支撑的字符 | 根本多文种平面 (BMP) | BMP | BMP 辅佐平面 |
MySQL 默许 | Yes | Yes | Yes(MySQL 8.0 开始) |
状况 | 已弃用 | 已弃用 | 未弃用 |
注意:历史上,MySQL 运用字符集 utf8 作为 utf8mb3 的别名。可是,从 MySQL 8.0.28 开始,utf8mb3 仅在 SHOW 句子的输出和信息架构表中引证该字符集时运用。未来,utf8 有望成为 utf8mb4 的参阅。为了避免任何歧义,主张在引证该字符集时显式指定 utf8mb4。
如您所见,utf8、utf8mb3 和 utf8mb4 之间的主要差异在于每个字符的最大字节数。 utf8 和 utf8mb3 只能存储 BMP 中的字符,而 utf8mb4 还能够存储弥补平面(Supplementary Plane)中的字符。这意味着 utf8mb4 能够支撑更广泛的字符,包括表情符号、数学符号和其他特别字符。
这三个字符集之间的另一个差异是它们在 MySQL 中的默许状况。utf8 是 MySQL 5.7 及更早版别中的默许字符集,而 utf8mb3 是 MySQL 8.0 中的默许字符集。可是,utf8mb4 是 MySQL 8.0.28 及更高版别中的默许字符集。
终究,MySQL 8.0 中已弃用 utf8 和 utf8mb3。这意味着它们终究将从 MySQL 中删除,因而主张运用 utf8mb4 代替。
因而,如果您需求存储一切 Unicode 字符,包括表情符号和其他弥补字符,那么您应该运用 utf8mb4。可是,如果您只需求存储 BMP 中的字符,那么 utf8 可能就足够了。
以下是运用 MySQL 表和查询对 utf8 和 utf8mb4 进行比较的示例:
比照示例
MySQL 5.7
mysql> select version();
-----------
| version() |
-----------
| 5.7.42-46 |
-----------
Table
mysql> CREATE TABLE users (
id INT AUTO_INCREMENT PRIMARY KEY,
name VARCHAR(255) CHARACTER SET utf8,
email VARCHAR(255) CHARACTER SET utf8
);
Query OK, 0 rows affected (0.03 sec)
mysql> show create table usersG
*************************** 1. row ***************************
Table: users
Create Table: CREATE TABLE `users` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
`email` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
1 row in set (0.01 sec)
在用户表中刺进三行数据,包括 emoji 表情符号。
mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3
mysql>
遇到的过错音讯 ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3,
第 3 行的 name
字段的字符编码存在问题。用户表测验将 Unicode 字符 刺进
name
字段时产生过错。
mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com')
;
Query OK, 2 rows affected (0.00 sec)
Records: 2 Duplicates: 0 Warnings: 0
MySQL 8.0
mysql> select version();
-------------------------
| version() |
-------------------------
| 8.0.33-0ubuntu0.22.04.2 |
-------------------------
Table
CREATE TABLE users (
id INT AUTO_INCREMENT PRIMARY KEY,
name VARCHAR(255) CHARACTER SET utf8,
email VARCHAR(255) CHARACTER SET utf8
);
mysql> show create table usersG
*************************** 1. row ***************************
Table: users
Create Table: CREATE TABLE `users` (
`id` int NOT NULL AUTO_INCREMENT,
`name` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
`email` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)
该表的 name
和 email
字段均运用 utf8mb3 字符集。这意味着该表能够存储 BMP 中的一切字符,但不能存储表情符号或其他弥补字符。
Query
INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');
与前面的示例一样的过错( ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3,
)。
mysql> INSERT INTO users (name, email) VALUES
-> ('Arun Jith', 'arunjith@example.com'),
-> ('Jane Doe', 'janedoe@example.com'),
-> ('', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3
mysql> INSERT INTO users (name, email) VALUES
-> ('Arun Jith', 'arunjith@example.com'),
-> ('Jane Doe', 'janedoe@example.com')
-> ;
Query OK, 2 rows affected (0.00 sec)
Records: 2 Duplicates: 0 Warnings: 0
此查询将前两行数据刺进用户表中。前两行包括简单的文本数据,而第三行包括emoji 表情符号。表情符号将无法正确存储在数据库中,由于 utf8 字符集无法存储 emoji 表情符号。
Output
mysql> SELECT * FROM users;
---- ----------- ----------------------
| id | name | email |
---- ----------- ----------------------
| 4 | Arun Jith | arunjith@example.com |
| 5 | Jane Doe | janedoe@example.com |
---- ----------- ----------------------
2 rows in set (0.00 sec)
此查询将从用户表中选择两行。查询的输出将是用户表中一切行的列表,包括每个用户的 ID
、name
、email
。第三行有表情符号的无法存储,刺进时犯错,由于 utf8 字符集无法存储表情符号。
Table
为了保证正确存储表情符号,让咱们运用 utf8mb4 字符集创立表列。之后,咱们能够持续检查表情符号刺进是否正确。
mysql> CREATE TABLE users (
-> id INT AUTO_INCREMENT PRIMARY KEY,
-> name VARCHAR(255) CHARACTER SET utf8mb4,
-> email VARCHAR(255) CHARACTER SET utf8mb4
-> );
Query OK, 0 rows affected (0.03 sec)
mysql> show create table usersG
*************************** 1. row ***************************
Table: users
Create Table: CREATE TABLE `users` (
`id` int NOT NULL AUTO_INCREMENT,
`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
`email` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)
Query
INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');
mysql> INSERT INTO users (name, email) VALUES
-> ('Arun Jith', 'arunjith@example.com'),
-> ('Jane Doe', 'janedoe@example.com'),
-> ('', 'emoji@example.com');
Query OK, 3 rows affected (0.01 sec)
Records: 3 Duplicates: 0 Warnings: 0
该表对 name
和 email
列均运用 utf8mb4 字符集。这意味着该表能够存储完好 Unicode 字符会集的一切字符,包括 emoji 表情符号和其他弥补字符。
此查询将三行数据刺进用户表中。前两行包括简单的文本数据,而第三行包括表情符号。表情符号将正确存储在数据库中,由于 utf8mb4 字符集能够存储表情符号。
Output
mysql> SELECT * FROM users;
---- ----------- ----------------------
| id | name | email |
---- ----------- ----------------------
| 1 | Arun Jith | arunjith@example.com |
| 2 | Jane Doe | janedoe@example.com |
| 3 | | emoji@example.com |
---- ---------- -----------------------
3 rows in set (0.00 sec)
此查询将从用户表中选择一切行。查询的输出将是用户表中一切行的列表,包括每个用户的 ID
、name
、email
。表情符号将被存储为表情符号,由于 utf8mb4 字符集能够存储表情符号。
总结
如您所见,utf8mb4 字符集能够存储完好 Unicode 字符会集的一切字符,包括表情符号和其他弥补字符。这使得它成为存储杂乱文本数据、文本搜索和比较的不错选择。另一方面,utf8 字符集只能存储 BMP 中的字符。这意味着它无法存储表情符号或其他弥补字符。
一般来说,主张一切新应用程序都运用 utf8mb4。这将保证您的数据能够正确存储和处理,不管它包括什么字符。
更多技术文章,请拜访:opensource.actionsky.com/
关于 SQLE
SQLE 是一款全方位的 SQL 质量办理平台,掩盖开发至生产环境的 SQL 审核和办理。支撑干流的开源、商业、国产数据库,为开发和运维提供流程自动化能力,提升上线功率,进步数据质量。