更新時間：2025-05-30 18:19:41
網站建設
534我在使用MYSQL的時候經常遇到一個問題，試圖通過Rails將一個UTF-8編碼的UTF-8字符串保存到MariaDB中，然后出現了一個特別奇怪的錯誤：
第1 行“摘要”列的字符串值不正確： ‘\xF0\x9F\x98\x83 …’
UTF-8編碼的客戶端，服務器端也是UTF-8編碼的，數據庫也是。就連要保存的字符串“.”也是合法的UTF-8。問題的癥結在于MySQL 的“utf8”實際上并不是真正的UTF-8。 “utf8”僅支持每個字符最多三個字節，而真正的UTF-8 每個字符最多四個字節。原來MySQL一直沒有修復這個bug。他們在2010 年發布了一個名為“utf8mb4”的字符集來繞過這個問題。他們沒有為這個新的字符集做廣告，所以網上仍然建議開發者使用“utf8”，但這些建議都是錯誤的。
簡要總結如下：
(1) MySQL的“utf8mb4”才是真正的“UTF-8”。
(2) MySQL的“utf8”只是一種“專有編碼”，它能編碼的Unicode字符并不多。
小編在這里建議使用“utf8”的MySQL和MariaDB的用戶換成“utf8mb4”，不要再使用“utf8”了。
首先，什么是編碼？什么是UTF-8？
眾所周知，計算機存儲的本質是二進制，即用0和1來存儲文本。例如，字符“C”存儲為“01000011”，那么計算機在顯示這個字符時需要經過兩個步驟：
我的電腦會ldq
uo;C”映射成 Unicode 字符集中的 67。我的電腦將 67 編碼成“01000011”，并發送給 Web 服務器。
相對的：
-
計算機讀取“01000011”，得到數字 67，因為 67 被編碼成“01000011”。
-
計算機在 Unicode 字符集中查找 67，找到了“C”。
幾乎所有的網絡應用都使用了 Unicode 字符集，因為沒有理由使用其他字符集。
Unicode 字符集包含了上百萬個字符。最簡單的編碼是 UTF-32，每個字符使用 32 位。這樣做最簡單，因為一直以來，計算機將 32 位視為數字，而計算機最在行的就是處理數字。但問題是，這樣太浪費空間了。
UTF-8 可以節省空間，在 UTF-8 中，字符“C”只需要 8 位，其他的字符可能使用 16 位或 24 位。一篇類似本文這樣的文章，如果使用 UTF-8 編碼，占用的空間只有 UTF-32 的四分之一左右。
第二、?? MySQL 簡史
為什么 MySQL 開發者會讓“utf8”失效？我們或許可以從提交日志中尋找答案。
MySQL 4.1 版本支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 標準（RFC 3629）是隨后才出現的。而舊版的 UTF-8 標準（RFC 2279）最多支持每個字符 6 個字節。2002 年 3 月 28 日，MySQL 開發者在第一個 MySQL 4.1 預覽版中使用了 RFC 2279。同年 9 月，他們對 MySQL 源代碼進行了一次調整：“UTF8 現在最多只支持 3 個字節的序列”。那么是誰提交了這些代碼？他為什么要這樣做？這個問題不得而知。在遷移到 Git 后（MySQL 最開始使用的是 BitKeeper），MySQL 代碼庫中的很多提交者的名字都丟失了。2003 年 9 月的郵件列表中也找不到可以解釋這一變更的線索。
不過可以試著猜測一下。
2002 年，MySQL 做出了一個決定：如果用戶可以保證數據表的每一行都使用相同的字節數，那么 MySQL 就可以在性能方面來一個大提升。為此，用戶需要將文本列定義為“CHAR”，每個“CHAR”列總是擁有相同數量的字符。如果插入的字符少于定義的數量，MySQL 就會在后面填充空格，如果插入的字符超過了定義的數量，后面超出部分會被截斷。
MySQL 開發者在最開始嘗試 UTF-8 時使用了每個字符 6 個字節，CHAR(1) 使用 6 個字節，CHAR(2) 使用 12 個字節，并以此類推。
可以說，他們最初的版本才是正確的，可惜這一版本一直沒有發布。但是文檔上卻寫了，而且廣為流傳，所有了解 UTF-8 的人都認同文檔里寫的東西。
不過很顯然，MySQL 開發者或廠商擔心會有用戶做這兩件事：
-
使用 CHAR 定義列。
-
將 CHAR 列的編碼設置為“utf8”。
小編猜測應該是 MySQL 開發者本來想幫助那些希望在空間和速度上雙贏的用戶，但時他們卻搞砸了“utf8”編碼。
所以結果就是失敗的。那些希望在空間和速度上雙贏的用戶，當他們在使用“utf8”的 CHAR 列時，實際上使用的空間比預期的更大，速度也比預期的慢。而想要正確性的用戶，當他們使用“utf8”編碼時，卻無法保存像“”這樣的字符。
第三、為什么這個問題很引起人們的注意
關于這個問題，小編曾經花費很多時間才找到這個 bug。但是不確定這是唯一的一個，網絡上幾乎所有的文章都把“utf8”當成是真正的 UTF-8。“utf8”只能算是個專有的字符集，它給我們帶來了新問題，卻一直沒有得到解決。
我們專注高端建站，小程序開發、軟件系統定制開發、BUG修復、物聯網開發、各類API接口對接開發等。十余年開發經驗，每一個項目承諾做到滿意為止，多一次對比，一定讓您多一份收獲！
