MySQL怎么存文本不亂碼？

作者：佚名 2017-12-11 10:12:26

MySQL里怎么存儲那些看起來會亂碼的字符？我在“UTF8字符集的表怎么直接轉(zhuǎn)UTF8MB4”一文中介紹了如何把表字符集由UTF8直接轉(zhuǎn)換成UTF8MB4的幾種方法。

導讀

MySQL里怎么存儲那些看起來會亂碼的字符？

我在“UTF8字符集的表怎么直接轉(zhuǎn)UTF8MB4”一文中介紹了如何把表字符集由UTF8直接轉(zhuǎn)換成UTF8MB4的幾種方法。

1、只修改字符集（使用默認校驗集）

yejr@imysql.com> alter table t1 convert to character set utf8mb4

2、同時修改表字符集和校驗集

yejr@imysql.com> alter table t1 convert to  character set utf8mb4 collate utf8mb4_bin;

3、只修改某列的字符集

yejr@imysql.com> alter table t1 modify c1 varchar(20)  character set utf8mb4 not null default ‘’

4、同時修改某列的字符集和校驗集

yejr@imysql.com> alter table t1 modify c1 varchar(20)  character set utf8mb4  collate utf8mb4_unicode_ci  not null default ‘’

好了，有個字符集為UTF8MB4的表中想存儲各類不同字符集的文本，有哪些注意事項億避免亂碼？

如果是通過WEB接口存儲數(shù)據(jù)，則建議在browser端、server端全都采用UTF8字符集，MySQL Server端采用UTF8/UTF8MB4均可（針對大多數(shù)文本，其實UTF8字符集就足夠存儲的了）。

其中，MySQL端的字符集設置比較讓人頭大，涉及到的字符集有好幾個：

character_set_server，server端默認字符集；
character_set_database，database默認字符集，若未設定，則和 character_set_server 的設定一樣；database中的數(shù)據(jù)表/stored procedure/stored function 也可以自行設定字符集，若未指定，則和 character_set_database 的設置一樣；數(shù)據(jù)表中的字符類型列，也可以單獨設定字符集，若未設定，則和該表指定的字符集一樣；
character_set_client，客戶端顯示讀取結(jié)果的字符集；
character_set_connection，客戶端從server端讀取數(shù)據(jù)時傳輸字符集；
character_set_results，server端將數(shù)據(jù)發(fā)送給客戶端時的字符集；

可見，涉及到字符集的因素實在太多，因此我們強烈建議各個環(huán)節(jié)全部采用同一種字符集，避免出現(xiàn)意外狀況。

MySQL采用UTF8MB4字符集時，存儲文本實際消耗字節(jié)數(shù)是由文本內(nèi)容的字節(jié)數(shù)決定的，并非總是需要4字節(jié)，列舉幾種情況：

總結(jié)建議

附1，關(guān)于編碼簡介

ASCII碼，占7bit，由128個字符組成，包括大小寫字母、數(shù)字0-9、標點符號、非打印字符（換行符、制表符等4個）以及控制字符（退格、響鈴等）組成；
latin1，占1byte，在ASCII基礎上，增加128 ～ 255區(qū)間的字符；
GB2312等CJK字符集，可變長字符集，最多占2bytes，用于存儲常見的CJK字符；
UTF8，可變長字符集，最多占3bytes，可以囊括ASCII、CJK及其他絕大多數(shù)常用語言文字；這中間其實還有個UNICODE字符集，它也是2bytes的，也能囊括ASCII字符，但即便是ASCII字符也需要消耗2bytes，存在一定浪費，而用UTF8存儲ASCII字符時，實際只需要1byte，更為節(jié)省存儲空間；
UTF8MB4，可變長字符集，最多占4bytes，可以包含上面其他幾種字符集；同樣地，以UTF8MB4存儲ASCII字符時，實際上也是只占用1bytes，存儲一般的漢字占用3bytes，而存儲個別漢字則需要4bytes，存儲emoji也至少需要4bytes；

附2，字符集兼容在線測試

為了方便大家，我寫了個簡單的PHP接口供測試，可以提交一些不常見的漢字，或者emoji表情符，看看是否都能正常顯示。

開發(fā)這個接口時，發(fā)現(xiàn)釘釘中的個別表情符是由2個4字節(jié)編碼組成的，也就是說一個emoji表情符，其實是需要8個字節(jié)的。

這個接口***輸出的格式是：

字符串 : 字節(jié)數(shù)

比如 "a齒a : 5" ，表示 "a齒a" 這個字符串共消耗 5個字節(jié)，因為 "齒" 其實只需要3個字節(jié)來存儲，雖然看起來挺大一坨的。

相應的代碼如下：

select vchar, length(vchar) as vcharlen

測試接口鏈接： utf8mb4字符集兼容性測試接口

如果想要寫入4字節(jié)的漢字，可以從龍泉寺提供的字庫拷貝過來，或者插入emoji表情符。

參考及延伸閱讀

責任編輯：龐桂玉來源：數(shù)據(jù)庫開發(fā)

自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡