utf8或者utf-8是大家常見的一個(gè)詞匯，它是一種信息的編碼格式，特別是不同開發(fā)平臺(tái)的系統(tǒng)進(jìn)行對(duì)接的時(shí)候，編碼一定要對(duì)齊，否則就容易出現(xiàn)亂碼。

什么是編碼？

先說說什么是編碼。編碼就像我們?nèi)粘Ｉ钪械恼Z言，不同的地方說不同的話，編碼就是計(jì)算機(jī)用來表示這些“話”的一種方式。比如我們使用漢字來說話，計(jì)算機(jī)用二進(jìn)制數(shù)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(diǎn)要使用：UTF-8，utf8是一個(gè)簡(jiǎn)寫形式。

為什么需要utf8？

在計(jì)算機(jī)早期，主要使用ASCII編碼，只能表示128個(gè)字符，漢字完全表示不了。后來，才出現(xiàn)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(huán)境下使用，不能全球通用。

UTF-8就像一個(gè)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(gè)字符，實(shí)際上UTF-8能表示世界上幾乎所有的字符。

它的特點(diǎn)是：

• 變長(zhǎng)編碼：一個(gè)字符可以用1到4個(gè)字節(jié)表示，英文字符用1個(gè)字節(jié)（8bit），漢字用3個(gè)字節(jié)（24bit）。
• 向后兼容ASCII：ASCII的字符在UTF-8中還是一個(gè)字節(jié)，這樣就兼容了老系統(tǒng)。
• 節(jié)省空間：對(duì)于英文字符，UTF-8比其他多字節(jié)編碼更省空間。

UTF-8適用于網(wǎng)頁(yè)、文件系統(tǒng)、數(shù)據(jù)庫(kù)等需要全球化支持的場(chǎng)景。

經(jīng)常接觸代碼的同學(xué)應(yīng)該還經(jīng)常能看到 Unicode 這個(gè)詞，它和編碼也有很大的關(guān)系，其實(shí)Unicode是一個(gè)字符集標(biāo)準(zhǔn)，utf8只是它的一種實(shí)現(xiàn)方式。Unicode 作為一種字符集標(biāo)準(zhǔn)，為全球各種語言和符號(hào)定義了唯一的數(shù)字碼位（code points）。其它的Unicode實(shí)現(xiàn)方式還有UTF-16和UTF-32：

• UTF-16 使用固定的16位（2字節(jié)）或者變長(zhǎng)的32位（4字節(jié)，不在常用字符之列）來編碼 Unicode 字符。
• UTF-32 每一個(gè)字符都直接使用固定長(zhǎng)度的32位（4字節(jié)）編碼，不論字符的實(shí)際數(shù)值大小。這會(huì)消耗更多的存儲(chǔ)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(gè)擴(kuò)展版本，專門用于MySQL數(shù)據(jù)庫(kù)。MySQL在 5.5.3 之后增加了一個(gè)utf8mb4的編碼，mb4就是最多4個(gè)字節(jié)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(jīng)常用到。大家使用小紅書時(shí)應(yīng)該見過各種各樣的表情符號(hào)，小紅書后臺(tái)也可能使用utf8mb4保存它們。

編碼規(guī)則和特點(diǎn)：

• 最多4個(gè)字節(jié)：utf8mb4中的每個(gè)字符最多用4個(gè)字節(jié)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(hào)。

utf8和utf8mb4的比較

存儲(chǔ)空間

• 數(shù)據(jù)庫(kù)：utf8mb4每個(gè)字符最多用4個(gè)字節(jié)，比UTF-8多一個(gè)字節(jié)，存儲(chǔ)空間會(huì)增加。
• 文件：類似的，文件用utf8mb4編碼也會(huì)占用更多的空間。

性能影響

• 數(shù)據(jù)庫(kù)：utf8mb4的查詢和索引可能稍微慢一些，因?yàn)檎加酶嗟目臻g和內(nèi)存。
• 網(wǎng)絡(luò)傳輸：utf8mb4編碼的字符會(huì)占用更多的帶寬，傳輸速度可能會(huì)稍慢。

不過因?yàn)閷?shí)際場(chǎng)景中使用的utf8mb4的字符也不多，其實(shí)對(duì)存儲(chǔ)空間和性能的影響很小，大家基本沒有必要因?yàn)槎嗾加昧艘恍┛臻g和流量，而不是用utf8mb4。

只是我們?cè)诙x字段長(zhǎng)度、規(guī)劃數(shù)據(jù)存儲(chǔ)空間、網(wǎng)絡(luò)帶寬的時(shí)候，要充分考慮4字節(jié)帶來的影響，預(yù)留好足夠的空間。

實(shí)戰(zhàn)選擇

在實(shí)際開發(fā)中，選擇編碼要根據(jù)具體需求來定。如果你的網(wǎng)站或者應(yīng)用需要支持大量的特殊字符和Emoji，使用utf8mb4是個(gè)不錯(cuò)的選擇。如果主要是英文和普通中文文本，utf8足夠應(yīng)付。

注意為了避免亂碼問題，前端、后端、數(shù)據(jù)庫(kù)都應(yīng)該使用同一種編碼，比如utf8，具體到編碼時(shí)就是要確保數(shù)據(jù)庫(kù)連接、網(wǎng)頁(yè)頭部、文件讀寫都設(shè)置為相同的編碼。

另外還需要注意Windows和Linux系統(tǒng)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(huì)攜帶一個(gè)BOM頭，方便系統(tǒng)進(jìn)行識(shí)別，但是Linux中不需要這個(gè)頭，所以如果要跨系統(tǒng)使用這個(gè)文件，特別是程序腳本，可能需要在Linux中去掉這個(gè)頭。