探索MySQL?8中utf8mb4釋放多語(yǔ)言數(shù)據(jù)的強(qiáng)大潛力

更新時(shí)間：2023年12月12日 08:50:43 作者：愛可生開源社區(qū)

這篇文章主要為大家介紹了探索MySQL?8中utf8mb4釋放多語(yǔ)言數(shù)據(jù)的強(qiáng)大潛力,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪

引言

在現(xiàn)代 Web 應(yīng)用程序世界中，支持多種語(yǔ)言和字符集變得越來(lái)越重要。隨著全球化的興起，存儲(chǔ)和處理多語(yǔ)言數(shù)據(jù)的需求變得至關(guān)重要。MySQL 作為最流行的關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)之一，認(rèn)識(shí)到了這一需求，并在其 8.0 版本中引入了 utf8mb4。在這篇文章中，我們將通過(guò)實(shí)際示例探討 utf8mb4 及其在 MySQL 8 中的優(yōu)勢(shì)。

翻譯自

作者：Arunjith Aravindan

本文原文：https://www.percona.com/blog/the-power-of-utf8mb4-in-mysql-8-...

了解 utf8mb4

在深入探討 utf8mb4 的好處之前，我們先澄清一下 utf8mb4 代表什么。在 MySQL 中，“utf8”是指支持 Unicode 字符集的字符編碼，每個(gè)字符最多使用三個(gè)字節(jié)。然而，MySQL 中原始的 utf8 實(shí)現(xiàn)并沒(méi)有涵蓋所有 Unicode 字符。另一方面，utf8mb4 是 utf8 的修改版本，它支持完整的 Unicode 字符集，包括表情符號(hào)和其他補(bǔ)充字符，每個(gè)字符最多使用四個(gè)字節(jié)。

MySQL 中原始的 utf8 實(shí)現(xiàn)僅支持基本多文種平面（BMP）中的字符，大約占所有 Unicode 字符的 90%。另一方面，utf8mb4 支持整個(gè) Unicode 字符集，包括表情符號(hào)和其他補(bǔ)充字符。它通過(guò)每個(gè)字符最多使用四個(gè)字節(jié)而不是 utf8 使用的三個(gè)字節(jié)來(lái)實(shí)現(xiàn)此目的。

下表顯示了 utf8 和 utf8mb4 之間的區(qū)別：

特征	UTF8	utf8mb3	utf8mb4
每個(gè)字符的最大字節(jié)數(shù)	3	3	4
支持的字符	基本多文種平面 (BMP)	BMP	BMP + 輔助平面
MySQL 默認(rèn)	Yes	Yes	Yes（MySQL 8.0 開始)
狀態(tài)	已棄用	已棄用	未棄用

注意：歷史上，MySQL 使用字符集 utf8 作為 utf8mb3 的別名。但是，從 MySQL 8.0.28 開始，utf8mb3 僅在 SHOW 語(yǔ)句的輸出和信息架構(gòu)表中引用該字符集時(shí)使用。未來(lái)，utf8 有望成為 utf8mb4 的參考。為了避免任何歧義，建議在引用該字符集時(shí)顯式指定 utf8mb4。

如您所見，utf8、utf8mb3 和 utf8mb4 之間的主要區(qū)別在于每個(gè)字符的最大字節(jié)數(shù)。 utf8 和 utf8mb3 只能存儲(chǔ) BMP 中的字符，而 utf8mb4 還可以存儲(chǔ)補(bǔ)充平面（Supplementary Plane）中的字符。這意味著 utf8mb4 可以支持更廣泛的字符，包括表情符號(hào)、數(shù)學(xué)符號(hào)和其他特殊字符。

這三個(gè)字符集之間的另一個(gè)區(qū)別是它們?cè)?MySQL 中的默認(rèn)狀態(tài)。utf8 是 MySQL 5.7 及更早版本中的默認(rèn)字符集，而 utf8mb3 是 MySQL 8.0 中的默認(rèn)字符集。但是，utf8mb4 是 MySQL 8.0.28 及更高版本中的默認(rèn)字符集。

最后，MySQL 8.0 中已棄用 utf8 和 utf8mb3。這意味著它們最終將從 MySQL 中刪除，因此建議使用 utf8mb4 代替。

因此，如果您需要存儲(chǔ)所有 Unicode 字符，包括表情符號(hào)和其他補(bǔ)充字符，那么您應(yīng)該使用 utf8mb4。但是，如果您只需要存儲(chǔ) BMP 中的字符，那么 utf8 可能就足夠了。

以下是使用 MySQL 表和查詢對(duì) utf8 和 utf8mb4 進(jìn)行比較的示例：

對(duì)比示例

MySQL 5.7

mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.42-46 |
+-----------+

Table

mysql> CREATE TABLE users (
  id INT AUTO_INCREMENT PRIMARY KEY,
  name VARCHAR(255) CHARACTER SET utf8,
  email VARCHAR(255) CHARACTER SET utf8
);
Query OK, 0 rows affected (0.03 sec)

mysql> show create table usersG
*************************** 1. row ***************************
       Table: users
Create Table: CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
  `email` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
1 row in set (0.01 sec)

在用戶表中插入三行數(shù)據(jù)，包括 emoji 表情符號(hào)。

mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('??', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3
mysql>

遇到的錯(cuò)誤消息 ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3, 第 3 行的 name 字段的字符編碼存在問(wèn)題。用戶表嘗試將 Unicode 字符 ?? 插入 name 字段時(shí)發(fā)生錯(cuò)誤。

mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com')
;
Query OK, 2 rows affected (0.00 sec)
Records: 2  Duplicates: 0  Warnings: 0

MySQL 8.0

mysql> select version();
+-------------------------+
| version()               |
+-------------------------+
| 8.0.33-0ubuntu0.22.04.2 |
+-------------------------+

Table

CREATE TABLE users (
  id INT AUTO_INCREMENT PRIMARY KEY,
  name VARCHAR(255) CHARACTER SET utf8,
  email VARCHAR(255) CHARACTER SET utf8
);

mysql&gt; show create table usersG
*************************** 1. row ***************************
       Table: users
Create Table: CREATE TABLE `users` (
  `id` int NOT NULL AUTO_INCREMENT,
  `name` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
  `email` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)

該表的 name 和 email 字段均使用 utf8mb3 字符集。這意味著該表可以存儲(chǔ) BMP 中的所有字符，但不能存儲(chǔ)表情符號(hào)或其他補(bǔ)充字符。

Query

INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('??', 'emoji@example.com');

與前面的示例一樣的錯(cuò)誤（ ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3, ）。

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com'),
    -> ('??', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com')
    -> ;
Query OK, 2 rows affected (0.00 sec)
Records: 2  Duplicates: 0  Warnings: 0

此查詢將前兩行數(shù)據(jù)插入用戶表中。前兩行包含簡(jiǎn)單的文本數(shù)據(jù)，而第三行包含emoji 表情符號(hào)。表情符號(hào)將無(wú)法正確存儲(chǔ)在數(shù)據(jù)庫(kù)中，因?yàn)?utf8 字符集無(wú)法存儲(chǔ) emoji 表情符號(hào)。

Output

mysql> SELECT * FROM users;
+----+-----------+----------------------+
| id | name      | email                |
+----+-----------+----------------------+
|  4 | Arun Jith | arunjith@example.com |
|  5 | Jane Doe  | janedoe@example.com  |
+----+-----------+----------------------+
2 rows in set (0.00 sec)

此查詢將從用戶表中選擇兩行。查詢的輸出將是用戶表中所有行的列表，包括每個(gè)用戶的 ID、name、email。第三行有表情符號(hào)的無(wú)法存儲(chǔ)，插入時(shí)出錯(cuò)，因?yàn)?utf8 字符集無(wú)法存儲(chǔ)表情符號(hào)。

Table

為了確保正確存儲(chǔ)表情符號(hào)，讓我們使用 utf8mb4 字符集創(chuàng)建表列。之后，我們可以繼續(xù)檢查表情符號(hào)插入是否正確。

mysql> CREATE TABLE users (
    ->   id INT AUTO_INCREMENT PRIMARY KEY,
    ->   name VARCHAR(255) CHARACTER SET utf8mb4,
    ->   email VARCHAR(255) CHARACTER SET utf8mb4
    -> );
Query OK, 0 rows affected (0.03 sec)

mysql&gt; show create table usersG
*************************** 1. row ***************************
Table: users
Create Table: CREATE TABLE `users` (
`id` int NOT NULL AUTO_INCREMENT,
`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
`email` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)

Query

INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('??', 'emoji@example.com');

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com'),
    -> ('??', 'emoji@example.com');
Query OK, 3 rows affected (0.01 sec)
Records: 3  Duplicates: 0  Warnings: 0

該表對(duì) name 和 email 列均使用 utf8mb4 字符集。這意味著該表可以存儲(chǔ)完整 Unicode 字符集中的所有字符，包括 emoji 表情符號(hào)和其他補(bǔ)充字符。

此查詢將三行數(shù)據(jù)插入用戶表中。前兩行包含簡(jiǎn)單的文本數(shù)據(jù)，而第三行包含表情符號(hào)。表情符號(hào)將正確存儲(chǔ)在數(shù)據(jù)庫(kù)中，因?yàn)?utf8mb4 字符集可以存儲(chǔ)表情符號(hào)。

Output

mysql> SELECT * FROM users;
+----+-----------+----------------------+
| id | name      | email                |
+----+-----------+----------------------+
|  1 | Arun Jith | arunjith@example.com |
|  2 | Jane Doe  | janedoe@example.com  |
|  3 | ??         | emoji@example.com    |
+----+----------+-----------------------+
3 rows in set (0.00 sec)

此查詢將從用戶表中選擇所有行。查詢的輸出將是用戶表中所有行的列表，包括每個(gè)用戶的 ID、name、email。表情符號(hào)將被存儲(chǔ)為表情符號(hào)，因?yàn)?utf8mb4 字符集可以存儲(chǔ)表情符號(hào)。

總結(jié)

如您所見，utf8mb4 字符集可以存儲(chǔ)完整 Unicode 字符集中的所有字符，包括表情符號(hào)和其他補(bǔ)充字符。這使得它成為存儲(chǔ)復(fù)雜文本數(shù)據(jù)、文本搜索和比較的不錯(cuò)選擇。另一方面，utf8 字符集只能存儲(chǔ) BMP 中的字符。這意味著它無(wú)法存儲(chǔ)表情符號(hào)或其他補(bǔ)充字符。

一般來(lái)說(shuō)，建議所有新應(yīng)用程序都使用 utf8mb4。這將確保您的數(shù)據(jù)可以正確存儲(chǔ)和處理，無(wú)論它包含什么字符。

以上就是探索MySQL 8中utf8mb4釋放多語(yǔ)言數(shù)據(jù)的強(qiáng)大潛力的詳細(xì)內(nèi)容，更多關(guān)于MySQL utf8mb4多語(yǔ)言數(shù)據(jù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: