MySQL utf8 与 utf8mb4 的区别及设置指南

一、为什么需要区分 utf8 和 utf8mb4

许多开发者误以为 MySQL 的 utf8 等同于标准 UTF-8，但实际上它在 MySQL 内部仅支持最多 3 个字节 per character。这意味着它无法处理占 4 个字节的 Unicode 字符（如大部分 Emoji 表情符号）。

为解决这个问题，MySQL 5.5.3 版本后引入了 utf8mb4。其中 mb4 代表 most bytes 4，即兼容四字节的 UTF-8 编码。它是标准 UTF-8 的超集，除了命名不同外，存储和读取行为与真正的 UTF-8 一致。

此外，MySQL 对 varchar 类型的长度是按字符数计算而非字节数。如果字段定义为 varchar(10)，表示最多容纳 10 个字符。在使用 utf8 时，由于每个字符最大 3 字节，数据库需要解析字符串来确定字符数量；若遇到 4 字节字符且配置错误，解析逻辑会出错从而拒绝写入。

二、如何正确设置 utf8mb4

要彻底支持 Emoji 等特殊字符，必须确保数据从存储到传输链路全程使用 utf8mb4。操作分为以下几个层面：

第 1 步：检查当前系统状态

首先确认当前的字符集设置。执行以下 SQL 命令查看服务端、数据库及连接层的编码：

mysql> show variables like '%char%';

重点关注 character_set_server 和 character_set_database。如果显示为 utf8，则需要逐步修改。

第 2 步：修改目标字段或表的字符集

根据需求精度，可以选择修改字段、表或整个数据库：

• 针对单个字段：将特定列改为 utf8mb4，不影响其他列。
  ALTER TABLE table_name MODIFY COLUMN column_name VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
• 针对整张表：修改默认字符集。注意，已存在的字段不会自动改变，新建的字段才会应用新默认值。必须先手动转换存量字段：
  ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
• 针对整个数据库：
  ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;

第 3 步：配置客户端连接

即使服务器端是 utf8mb4，如果客户端连接时未指定相应编码，依然会发生乱码或写入失败。因为 MySQL 有一个“连接器组件”，负责在客户端和服务端之间进行字符集转换。如果客户端声明使用的是 utf8（仅限 3 字节），而传入的是 4 字节数据，转换器可能会报错或截断。

建立连接时必须显式指明编码方式：

# 命令行示例
mysql -u username -p --default-character-set=utf8mb4

# 或者在执行查询前运行
SET NAMES utf8mb4;

SET NAMES utf8mb4 会同时设置 character_set_client、character_set_connection 和 character_set_results。对于应用程序代码（如 PHP, Python, Java 等），需要在数据库连接字符串中添加 charset=utf8mb4 参数。

第 4 步：处理可视化工具（Navicat）的情况

在使用 Navicat 等工具导入或导出数据时，容易忽略编码一致性导致的问题。例如，如果在 utf8 环境下先将包含 Emoji 的数据同步到本地测试库，再切换为 utf8mb4，原本受损的数据无法恢复，仍显示为问号。

注：图示展示了 MySQL 支持的多种字符集列表，其中 utf8mb4 的最大长度为 4。

排错建议：如果发现表情显示异常，请先备份数据。确保在导入数据前，目标表的字符集已经是 utf8mb4，并且在 Navicat 的属性选项中将连接编码设置为 utf8mb4，重新拉取一次数据即可正常显示。

三、原理解析：连接器的转码机制

为了理解为何乱码会发生，需要了解 MySQL 客户端与服务端的交互流程：

1. 请求阶段：客户端发送数据时，按 character_set_client 编码发送给服务端。服务端通过 character_set_connection 转换为内部的二进制格式，并根据目标字段的 character_set_server（如果是不同字符集还会做二次转换）存入数据。
2. 响应阶段：服务端取出数据，按 character_set_connection 转换回标准格式，最后按 character_set_results 编码返回给客户端展示。

如果字段存的是 utf8mb4 的 4 字节数据，但客户端连接的 character_set_results 是 utf8，连接器会将 4 字节尝试强转为 3 字节体系，必然产生乱码。反之，如果写入时用的是 utf8 链接，4 字节字符在发送阶段就会被拦截报错。

四、总结

在处理多语言混合文本及表情符号时，务必统一使用 utf8mb4。这不仅涉及建表时的字符集定义，更关乎连接链路的每一环节。检查并修改服务器配置、表结构属性以及程序连接的参数，是避免此类问题的关键。

以上就是 MySQL 中 utf8 与 utf8mb4 的存储及区别的详细内容，更多关于 MySQL 字符集优化的资料请关注本站其它相关文章！