记住 永远不要在 MySQL 中运用 UTF-8
发布时间：2022-04-12 11:47:10 所属栏目：MySql教程 来源：互联网
导读：最近我遇到了一个bug，我试着通过Rails在以utf8编码的MariaDB中保存一个UTF-8字符串，然后出现了一个离奇的错误： Incorrect string value:xF0x9Fx98x83 for column summary at row 1 我用的是UTF-8编码的客户端，服务器也是UTF-8编码的，数据库也是，
|
最近我遇到了一个bug，我试着通过Rails在以“utf8”编码的MariaDB中保存一个UTF-8字符串，然后出现了一个离奇的错误： Incorrect string value:‘xF0x9Fx98x83 <…’ for column ‘summary’ at row 1 我用的是UTF-8编码的客户端，服务器也是UTF-8编码的，数据库也是，就连要保存的这个字符串“ <…”也是合法的UTF-8。 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。 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。 （编辑：济南站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
