关于 MySQL 中 utf8 的问题

有一个段子，我每次看了都头皮发麻，这个段子是：

手持两把锟斤拷，口中疾呼烫烫烫，脚踏千朵屯屯屯，笑看万物锘锘锘

我相信凡是和我有一样感觉的应该都知道这是啥，所以为了避免这个问题，我们工作的建议就是，所有的地方都设置成：UTF-8，确实我们这样工作了很多年，不知道哪一年 emoji 突然火了，于是在上家公司做论坛的时候，有一个小伙伴遇到了类似于下面的一个小问题（我找不到原报错日志了）：

Incorrect string value: ‘\xF0\x9F\x98\x83 <…’ for column ‘summary’ at row 1

当时问我，我也不知道原因，然后经过一番搜索之后，发现原来是 MySQL 存储 emoji 时出错了，存储 emoji 的时候，不应该用 utf8，而是用 utf8mb4。

随着移动互联网的到来，emoji 的应用越来越广泛，本以为这个问题大家都知道了，所以就没有深究过，想着自己记着就行了，但是不知道为什么最近这个问题突然火了，原来不是所有人都知道这个问题，甚至有人说，在做微信开发的时候，天知道微信用户会取什么昵称，所以不得已把用户的昵称都 base64 编码一下，展示的时候再解码，我只能表示：厉害，人民群众的智慧是无穷的。

其实产生这个问题的原因也很简单，据说是 MySQL 的一个 bug：

1. MySQL 的 utf8mb4 是真正的utf8。

2. MySQL 的 utf8 是一种专属的编码，它能够编码的 Unicode 字符并不多。

关于什么是编码，我相信大家应该都知道了，如果不知道请自行搜索（当年曾经给一个计算机在读博的学姐科普什么是 GBK、GB2312、GB18030、UTF-8、BIG5、ISO-8859-1 等等，也是心累），至于为什么 MySQL 的 utf8 不是真正的 utf8，这是一个历史原因，我搜索的资料是：MySQL 从 4.1 版本开始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 标准（RFC 3629）是随后才出现的。

所以现在我们看到的很多 MySQL（或者 MySQL 的分支：MariaDB）资料依然在建议，MySQL 的编码使用 utf8，这在绝大多数的情况下，确实也没有问题，但确实是错误的，最好的选择是，选用真正的 utf8，也就是：utf8mb4。对于已经选用 utf8 需要改用 utf8mb4 的项目，这有一个指南：

https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4

另，我们有时候会看到：UTF-8、utf-8 和 utf8 三种写法，其实标准的写法应该是：UTF-8，但因为 Windows 不区分大小写，所以有时候有人会写成：utf-8，也会被识别，但这是不标准的；至于 utf8，则是因为：MySQL 的命令模式中只能使用 utf8，不能使用 utf-8，所以又是 MySQL 的一个坑。所以我很想说的是，什么是经验？经验就是踩过了无数的坑，坑连成片，也就没有坑了，这就是经验，这就是老 程序员 存在的意义。

参考资料：

https://medium.com/@adamhooper/in-mysql-never-use-utf8-use-utf8mb4-11761243e434

这是一个老外两年前写的文章，不知道为啥好像突然被国人发现了新大陆是的，具体大家也可以看看这篇文章，写的很详细。

全文完，如果本文对您有所帮助，请花 1 秒钟帮忙点击一下广告，谢谢。

作 者： BridgeLi，https://www.bridgeli.cn

原文链接： https://www.bridgeli.cn/archives/565

版权声明：非特殊声明均为本站原创作品，转载时请注明作者和原文链接。