0755-28286476
企业建站为什么在Mysql中不能使用“UFT8”111
2020-03-17 09:16:30   深圳原创信息技术有限公司   

使用MYSQL的时候经常会遇到一个问题,试着通过 Rails 在以“utf8”编码的 MariaDB 中保存一个 UTF-8 字符串,然后出现了一个特别离奇的错误:Incorrect string value: ‘xF0x9Fx98x83 <…’ for column ‘summary’ at row 1 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。原来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。他们并没有对这个新的字符集广而告之,以致于现在网络上仍然在建议开发者使用“utf8”,但是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”只是一种“专属的编码”,它能够编码的 Unicode 字符并不多。尚品小编这里建议大家:使用“utf8”的 MySQL 和 MariaDB 的用户都应该改用“utf8mb4”,永远都不要再使用“utf8”。第一、什么是编码?什么是 UTF-8?众所周知,计算机储存的实质是二进制,是使用 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:

    我的电脑将“C”映射成 Unicode 字符集中的 67。我的电脑将 67 编码成“01000011”,并发送给 Web 服务器。

    上海网站优化

相对的:
    计算机读取“01000011”,得到数字 67,因为 67 被编码成“01000011”。计算机在 Unicode 字符集中查找 67,找到了“C”。
几乎所有的网络应用都使用了 Unicode 字符集,因为没有理由使用其他字符集。Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32,每个字符使用 32 位。这样做最简单,因为一直以来,计算机将 32 位视为数字,而计算机最在行的就是处理数字。但问题是,这样太浪费空间了。UTF-8 可以节省空间,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。一篇类似本文这样的文章,如果使用 UTF-8 编码,占用的空间只有 UTF-32 的四分之一左右。第二、 MySQL 简史为什么 MySQL 开发者会让“utf8”失效?我们或许可以从提交日志中寻找答案。MySQL 4.1 版本支持 UTF-8,也就是 2003 年,而今天使用的 UTF-8 标准(RFC 3629)是随后才出现的。而旧版的 UTF-8 标准(RFC 2279)最多支持每个字符 6 个字节。2002 年 3 月 28 日,MySQL 开发者在第一个 MySQL 4.1 预览版中使用了 RFC 2279。同年 9 月,他们对 MySQL 源代码进行了一次调整:“UTF8 现在最多只支持 3 个字节的序列”。那么是谁提交了这些代码?他为什么要这样做?这个问题不得而知。在迁移到 Git 后(MySQL 最开始使用的是 BitKeeper),MySQL 代码库中的很多提交者的名字都丢失了。2003 年 9 月的邮件列表中也找不到可以解释这一变更的线索。不过可以试着猜测一下。2002 年,MySQL 做出了一个决定:如果用户可以保证数据表的每一行都使用相同的字节数,那么 MySQL 就可以在性能方面来一个大提升。为此,用户需要将文本列定义为“CHAR”,每个“CHAR”列总是拥有相同数量的字符。如果插入的字符少于定义的数量,MySQL 就会在后面填充空格,如果插入的字符超过了定义的数量,后面超出部分会被截断。MySQL 开发者在最开始尝试 UTF-8 时使用了每个字符 6 个字节,CHAR(1) 使用 6 个字节,CHAR(2) 使用 12 个字节,并以此类推。可以说,他们最初的版本才是正确的,可惜这一版本一直没有发布。但是文档上却写了,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:
    使用 CHAR 定义列。将 CHAR 列的编码设置为“utf8”。
小编猜测应该是 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,但时他们却搞砸了“utf8”编码。所以结果就是失败的。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。第三、为什么这个问题很引起人们的注意关于这个问题,小编曾经花费很多时间才找到这个 bug。但是不确定这是唯一的一个,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。