[[212774]]

導讀

MySQL里怎么存儲那些看起來會亂碼的字符？

我在“UTF8字符集的表怎么直接轉UTF8MB4”一文中介紹了如何把表字符集由UTF8直接轉換成UTF8MB4的幾種方法。

1、只修改字符集（使用默認校驗集）

yejr@imysql.com> alter table t1 convert to character set utf8mb4 

2、同時修改表字符集和校驗集

yejr@imysql.com> alter table t1 convert to  character set utf8mb4 collate utf8mb4_bin; 

3、只修改某列的字符集

yejr@imysql.com> alter table t1 modify c1 varchar(20)  character set utf8mb4 not null default ‘’ 

4、同時修改某列的字符集和校驗集
 

yejr@imysql.com> alter table t1 modify c1 varchar(20)  character set utf8mb4  collate utf8mb4_unicode_ci  not null default ‘’ 

好了，有個字符集為UTF8MB4的表中想存儲各類不同字符集的文本，有哪些注意事項億避免亂碼？

如果是通過WEB接口存儲數據，則建議在browser端、server端全都采用UTF8字符集，MySQL Server端采用UTF8/UTF8MB4均可（針對大多數文本，其實UTF8字符集就足夠存儲的了）。

其中，MySQL端的字符集設置比較讓人頭大，涉及到的字符集有好幾個：

• character_set_server，server端默認字符集；
• character_set_database，database默認字符集，若未設定，則和 character_set_server 的設定一樣；database中的 數據表/stored procedure/stored function 也可以自行設定字符集，若未指定，則和 character_set_database 的設置一樣；數據表中的字符類型列，也可以單獨設定字符集，若未設定，則和該表指定的字符集一樣；
• character_set_client，客戶端顯示讀取結果的字符集；
• character_set_connection，客戶端從server端讀取數據時傳輸字符集；
• character_set_results，server端將數據發送給客戶端時的字符集；

可見，涉及到字符集的因素實在太多，因此我們強烈建議各個環節全部采用同一種字符集，避免出現意外狀況。

MySQL采用UTF8MB4字符集時，存儲文本實際消耗字節數是由文本內容的字節數決定的，并非總是需要4字節，列舉幾種情況：

• 輸入字符集任意，且存儲ASCII字符時，每個字符需要1byte；
• 輸入字符集是GB2312，且存儲的字符是漢字時，每個字符需要2bytes；
• 輸入字符集是UTF8/UTF8MB4，且存儲的字符是低編碼漢字時，每個字符需要3bytes；
• 輸入字符集是UTF8/UTF8MB4，且存儲的字符是高編碼漢字時，每個字符需要4bytes；
• 輸入字符集是binary，且存儲的字符是高編碼漢字時，每個字符需要4bytes；

總結建議

1. 從前端到后端（瀏覽器=>WEB Server=>MySQL連接層=>Server層=>DB層>TABLE層），盡可能使用同一種字符集；
2. 盡可能采用大字符集，也就是優先級：UTF8Mb4 > UTF8 > GBK > LATIN1；
3. 采用邏輯備份數據時，切記要不定期進行恢復測試，我以前在這方面栽過一次，教訓慘痛。

附1，關于編碼簡介

• ASCII碼，占7bit，由128個字符組成，包括大小寫字母、數字0-9、標點符號、非打印字符（換行符、制表符等4個）以及控制字符（退格、響鈴等）組成；
• latin1，占1byte，在ASCII基礎上，增加128 ～ 255區間的字符；
• GB2312等CJK字符集，可變長字符集，最多占2bytes，用于存儲常見的CJK字符；
• UTF8，可變長字符集，最多占3bytes，可以囊括ASCII、CJK及其他絕大多數常用語言文字；這中間其實還有個UNICODE字符集，它也是2bytes的，也能囊括ASCII字符，但即便是ASCII字符也需要消耗2bytes，存在一定浪費，而用UTF8存儲ASCII字符時，實際只需要1byte，更為節省存儲空間；
• UTF8MB4，可變長字符集，最多占4bytes，可以包含上面其他幾種字符集；同樣地，以UTF8MB4存儲ASCII字符時，實際上也是只占用1bytes，存儲一般的漢字占用3bytes，而存儲個別漢字則需要4bytes，存儲emoji也至少需要4bytes；

附2，字符集兼容在線測試

為了方便大家，我寫了個簡單的PHP接口供測試，可以提交一些不常見的漢字，或者emoji表情符，看看是否都能正常顯示。

開發這個接口時，發現釘釘中的個別表情符是由2個4字節編碼組成的，也就是說一個emoji表情符，其實是需要8個字節的。

這個接口***輸出的格式是：

字符串 : 字節數

比如 "a齒a : 5" ，表示 "a齒a" 這個字符串共消耗 5個字節，因為 "齒" 其實只需要3個字節來存儲，雖然看起來挺大一坨的。

相應的代碼如下：

select vchar, length(vchar) as vcharlen 

測試接口鏈接： utf8mb4字符集兼容性測試接口

如果想要寫入4字節的漢字，可以從龍泉寺提供的字庫拷貝過來，或者插入emoji表情符。

參考及延伸閱讀

• UTF8字符集的表怎么直接轉UTF8MB4
• FAQ系列 - 調用存儲過程時報錯 Illegal mix of collations
• 聽說JOIN的列類型一定要一樣
• https://dev.mysql.com/doc/refman/5.7/en/charset-unicode-conversion.html
• https://dev.mysql.com/doc/refman/5.7/en/cast-functions.html
• http://imysql.com/charset_tips
• http://imysql.com/utf8mb4/utf8mb4.php
• http://www.cnblogs.com/chenwenbiao/archive/2011/08/11/2134503.html
• http://www.imkevinyang.com/2010/06/關于字符編碼，你所需要知道的.html