MySQL中 utf8 和 utf8mb4的选择使用,切记不要使用utf8的编码了

发布时间:2019-04-18作者:spider阅读(566)

MySQL中 utf8 和 utf8mb4的选择使用,切记不要使用utf8的编码了。否则在插入表情的时候就会抛出以下异常:Incorrect string value:‘\xF0\x9F\x9.....

     

    当插入表情的时候,比如这个表情 🍎。那么数据库就会抛出以下异常。(这种场景非常常见,比如微信昵称同步的时候,很多都带有表情,同步就会报错)

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

    问题的症结在于,MySQL的“utf8”实际上不是真正的UTF-8。

    “utf8”只支持每个字符最多三个字节,而真正的UTF-8是每个字符最多四个字节。

    MySQL一直没有修复这个bug,他们在2010年发布了一个叫作“utf8mb4”的字符集,绕过了这个问题。

    当然,他们并没有对新的字符集广而告之(可能是因为这个bug让他们觉得很尴尬),以致于现在网络上仍然在建议开发者使用“utf8”,但这些建议都是错误的。

    简单概括如下:

    1.MySQL的“utf8mb4”是真正的“UTF-8”。

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

    我要在这里澄清一下:所有在使用“utf8”的MySQL和MariaDB用户都应该改用“utf8mb4”,永远都不要再使用“utf8”。

    那么什么是编码?什么是UTF-8?

    我们都知道,计算机使用0和1来存储文本。比如字符“C”被存成“01000011”,那么计算机在显示这个字符时需要经过两个步骤:

    1.计算机读取“01000011”,得到数字67,因为67被编码成“01000011”。

    2.计算机在Unicode字符集中查找67,找到了“C”。

    同样的:

    1.我的电脑将“C”映射成Unicode字符集中的67。

    2.我的电脑将67编码成“01000011”,并发送给Web服务器。

    几乎所有的网络应用都使用了Unicode字符集,因为没有理由使用其他字符集。

    Unicode字符集包含了上百万个字符。最简单的编码是UTF-32,每个字符使用32位。这样做最简单,因为一直以来,计算机将32位视为数字,而计算机最在行的就是处理数字。但问题是,这样太浪费空间了。

    UTF-8可以节省空间,在UTF-8中,字符“C”只需要8位,一些不常用的字符,比如“”需要32位。其他的字符可能使用16位或24位。一篇类似本文这样的文章,如果使用UTF-8编码,占用的空间只有UTF-32的四分之一左右。

    MySQL的“utf8”字符集与其他程序不兼容,它所谓的“”,可能真的是一坨……

    MySQL简史

    为什么MySQL开发者会让“utf8”失效?我们或许可以从提交日志中寻找答案。

    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。

    旧版的UTF-8标准(RFC 2279)最多支持每个字符6个字节。2002年3月28日,MySQL开发者在第一个MySQL 4.1预览版中使用了RFC 2279。

    同年9月,他们对MySQL源代码进行了一次调整:“UTF8现在最多只支持3个字节的序列”。

    是谁提交了这些代码?他为什么要这样做?这个问题不得而知。在迁移到Git后(MySQL最开始使用的是BitKeeper),MySQL代码库中的很多提交者的名字都丢失了。2003年9月的邮件列表中也找不到可以解释这一变更的线索。

    不过我可以试着猜测一下。

    2002年,MySQL做出了一个决定:如果用户可以保证数据表的每一行都使用相同的字节数,那么MySQL就可以在性能方面来一个大提升。为此,用户需要将文本列定义为“CHAR”,每个“CHAR”列总是拥有相同数量的字符。如果插入的字符少于定义的数量,MySQL就会在后面填充空格,如果插入的字符超过了定义的数量,后面超出部分会被截断。

    MySQL开发者在最开始尝试UTF-8时使用了每个字符6个字节,CHAR(1)使用6个字节,CHAR(2)使用12个字节,并以此类推。

    应该说,他们最初的行为才是正确的,可惜这一版本一直没有发布。但是文档上却这么写了,而且广为流传,所有了解UTF-8的人都认同文档里写的东西。

    不过很显然,MySQL开发者或厂商担心会有用户做这两件事:

    1.使用CHAR定义列(在现在看来,CHAR已经是老古董了,但在那时,在MySQL中使用CHAR会更快,不过从2005年以后就不是这样子了)。

    2.将CHAR列的编码设置为“utf8”。

    我的猜测是MySQL开发者本来想帮助那些希望在空间和速度上双赢的用户,但他们搞砸了“utf8”编码。

    所以结果就是没有赢家。那些希望在空间和速度上双赢的用户,当他们在使用“utf8”的CHAR列时,实际上使用的空间比预期的更大,速度也比预期的慢。而想要正确性的用户,当他们使用“utf8”编码时,却无法保存像“”这样的字符。

    在这个不合法的字符集发布了之后,MySQL就无法修复它,因为这样需要要求所有用户重新构建他们的数据库。最终,MySQL在2010年重新发布了“utf8mb4”来支持真正的UTF-8。

    为什么这件事情会让人如此抓狂

    因为这个问题,我整整抓狂了一个礼拜。我被“utf8”愚弄了,花了很多时间才找到这个bug。但我一定不是唯一的一个,网络上几乎所有的文章都把“utf8”当成是真正的UTF-8。

    “utf8”只能算是个专有的字符集,它给我们带来了新问题,却一直没有得到解决。

    总结

    如果你在使用MySQL或MariaDB,不要用“utf8”编码,改用“utf8mb4”。这里( https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4 )提供了一个指南用于将现有数据库的字符编码从“utf8”转成“utf8mb4”。


    另外博主也整理出了一份完整的从utf8转到utf8mb4的操作方式

    # For each database:
    ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
    # For each table:
    ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
    # For each column:
    ALTER TABLE table_name CHANGE column_name column_name VARCHAR(191) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
    # (Don’t blindly copy-paste this! The exact statement depends on the column type, maximum length, and other properties. The above line is just an example for a `VARCHAR` column.)

    按照上边给的实例。我们编写以下SQL,可直接将某个数据中所有的表名拼接成我们需要执行的SQL

    select CONCAT('ALTER TABLE ',table_name,' CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;') from information_schema.tables where table_schema='d_sys'

    然后将其拷贝出来执行即可。

    执行过程中可能会出现以下异常

    1071 - Specified key was too long; max key length is 767 bytes, Time: 0.0060 

    请参考这篇文章进行解决

    https://blog.csdn.net/ljfphp/article/details/80406907

    当执行完成后程序插入还是报错。请按照下边进行检查

    1、jdbc驱动包换成最新的,至少要5.1.x

    2、使用下边的语句检查数据库编码

    SHOW VARIABLES WHERE Variable_name LIKE 'character_set_%' OR Variable_name LIKE 'collation%';

    image.png

    如何和博主不一致,请按照下边的方式进行修改,下边列出的编码在你的cnf文件中没有的,就不用添加了。总之多试试看,和上边的截图保持一致就生效了。

    [client]
    
    default-character-set=utf8mb4  #博主修改了这个
    
    [mysql]
    
    default-character-set=utf8mb4    #博主修改了这个
    
    [mysqld]
    
    character-set-server=utf8mb4    #博主没有这项, 所以没有修改这个
    collation-server = utf8mb4_unicode_ci  #博主没有这项, 所以没有修改这个
    init_connect='SET NAMES utf8mb4'    #博主修改了这个

    3、有的人说去掉jdbc:mysql://localhost:3306/spider?characterEncoding=utf8characterEncoding,博主没去掉,也是生效的。插入查询数据库时会自动的转为utf8mb4。



3 +1

版权声明

本文章为系统自动抓取,如涉及您的版权,请联系博主进行下架处理

 数据库  mysql

 请文明留言

0 条评论