MySQL 中的 utf8mb4 和 utf8 字符集有什么区别？

UTF-8 是一种可变长度编码。对于 UTF-8，这意味着存储一个代码点需要 1 到 4 个字节。但是，MySQL的编码称为“utf8”（别名“utf8mb3”），每个代码点最多只存储三个字节。

所以字符集“utf8”/“utf8mb3”不能存储所有Unicode码位：它只支持0x000到0xFFFF的范围，称为“基本多语言平面”。 另请参阅 Unicode 编码的比较。

这是MySQL文档中关于它的内容（同一页面的先前版本）：

名为 utf8[/utf8mb3] 的字符集每个字符最多使用三个字节，并且仅包含 BMP 字符。从 MySQL 5.5.3 开始，utf8mb4 字符集每个字符最多使用四个字节，支持补充字符：

• 对于 BMP 字符，utf8[/utf8mb3] 和 utf8mb4 具有相同的存储特征：相同的代码值、相同的编码、相同的长度。

• 对于补充字符，utf8[/utf8mb3] 根本无法存储该字符，而 utf8mb4 需要四个字节来存储它。由于 utf8[/utf8mb3] 根本无法存储该字符，因此 utf8[/utf8mb3] 列中没有任何补充字符，并且从旧版本的 MySQL 升级 utf8[/utf8mb3] 数据时无需担心转换字符或丢失数据。

因此，如果您希望您的列支持存储位于 BMP 之外的字符（您通常希望这样做），例如表情符号，请使用“utf8mb4”。另请参阅实际使用中最常见的非 BMP Unicode 字符是什么？。

字符集很有用，因为现在我们不仅需要支持存储语言字符，还需要支持存储符号、新引入的表情符号等。utf8mb4

Mathias Bynens 撰写的一篇关于如何在 MySQL 数据库中支持完整 Unicode 的好书也可以对此有所启发。

摘自 MySQL 8.0 参考手册：

• utf8mb4：Unicode 字符集的 UTF-8 编码，使用 每个字符 4 个字节。

• utf8mb3：Unicode 字符集的 UTF-8 编码，使用 每个字符 3 个字节。

在MySQL中，目前是一个别名，其别名已被弃用，并将在将来的MySQL版本中删除。此时将成为对 的引用。utf8utf8mb3utf8utf8mb4

因此，无论此别名如何，您都可以有意识地为自己设置编码。utf8mb4

为了完成答案，我想在下面添加@WilliamEntriken的评论（也取自手册）：

为避免 的含义产生歧义，请考虑显式指定字符集引用，而不是 。utf8utf8mb4utf8

MySQL 在 5.5.3 之后添加了这个 utf8mb4 代码，Mb4 是最多字节 4 的意思，专门设计为兼容四字节 Unicode。幸运的是，UTF8MB4 是 UTF8 的超集，只是不需要将编码转换为 UTF8MB4。当然，为了节省空间，一般使用UTF8就足够了。

原始 UTF-8 格式使用 1 到 6 个字节，最多可以编码 31 个字符。最新的 UTF-8 规范仅使用 1 到 4 个字节，最多可以编码 21 位，仅表示所有 17 个 Unicode 平面。UTF8 是 Mysql 中的字符集，最多只支持三个字节的 UTF-8 字符，这是 Unicode 中基本的多文本平面。

要在 Mysql 中保存 4 字节长的 UTF-8 字符，您需要使用 UTF8MB4 字符集，但只能使用 5.5。支持3个版本后（查看版本：选择版本（）;)。我认为为了获得更好的兼容性，您应该始终使用 UTF8MB4 而不是 UTF8。对于 char 类型数据，UTF8MB4会占用更多空间，并且根据 Mysql 的官方建议，使用 VARCHAR 而不是 char。

在MariaDB中，utf8mb4作为默认的CHARSET，当它没有在服务器配置中明确设置时，因此使用COLLATE utf8mb4_unicode_ci。

参考 MariaDB 字符集 & 整理 点击

CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

• utf8是 MySQL 较旧的、有缺陷的 UTF-8 实现，正在被弃用。
• utf8mb4这是他们命名的固定 UTF-8 实现，也是您现在应该使用的。

在他们有缺陷的版本中，只有第一个 64k 字符平面（基本的多语言平面）中的字符有效，其他字符被视为无效。该平面内的码位值 - 0 到 65535（其中一些是出于特殊原因保留的）可以用最多 3 个字节的 UTF-8 多字节编码来表示，而 MySQL 的早期版本的 UTF-8 任意决定将其设置为限制。这种限制在任何时候都不是对 UTF-8 规则的正确解释，因为 UTF-8 从未被定义为每个字符最多只允许 3 个字节。事实上，UTF-8 的最早定义将其定义为最多 6 个字节（后来修订为 4 个字节）。MySQL的原始版本总是被任意削弱。

当MySQL发布这个时，这个限制的后果还不错，因为大多数Unicode字符都在第一个平面上。从那时起，越来越多的新定义的字符范围被添加到Unicode中，其值超出了第一个平面。Unicode 本身定义了 17 个平面，但到目前为止只使用了其中的 7 个。

为了不破坏旧代码做出任何特定的假设，MySQL保留了损坏的实现，并调用了更新的固定版本。这导致了一些混淆，该名称被误解为它是 UTF-8 的某种扩展或 UTF-8 的替代形式，而不是 MySQL 对真正 UTF-8 的实现。utf8mb4

MySQL的未来版本最终将逐步淘汰旧版本，目前可以将其视为已弃用。在可预见的未来，您需要使用来确保正确的 UTF-8 编码。在足够的时间过去后，电流将被删除，并在未来的某个日期再次上升，这次指的是固定版本，尽管将继续明确地引用固定版本。utf8mb4utf8utf8utf8mb4