您現在的位置是:首頁 > PHP基礎

李清波 2019-12-04 PHP基礎 341

utf8和utf8mb4的區別

一、簡介

MySQL在5.5.3之后增加了這個utf8mb4的編碼,mb4就是most bytes 4的意思,專門用來兼容四字節的unicode。utf8mb4是utf8的超集,除了將編碼改為utf8mb4外不需要做其他轉換。當然,為了節省空間,一般情況下使用utf8也就夠了。


二、內容描述

那上面說了既然utf8能夠存下大部分中文漢字,那為什么還要使用utf8mb4呢? 原來mysql支持的 utf8 編碼最大字符長度為 3 字節,如果遇到 4 字節的寬字符就會插入異常了。三個字節的 UTF-8 最大能編碼的 Unicode 字符是 0xffff,也就是 Unicode 中的基本多文種平面(BMP)。也就是說,任何不在基本多文本平面的 Unicode字符,都無法使用 Mysql 的 utf8 字符集存儲。包括 Emoji 表情(Emoji 是一種特殊的 Unicode 編碼,常見于 ios 和 android 手機上),和很多不常用的漢字,以及任何新增的 Unicode 字符等等(utf8的缺點)。


通常,計算機在存儲字符時,會根據不同類型的字符以及編碼方式分配存儲空間。例如以下幾種編碼方式;

①ASCII編碼中,一個英文字母(不分大小寫)占用一個字節的空間,一個中文漢字占用兩個字節的空間。一個二進制的數字序列,在計算機中作為一個數字單元存儲時,一般為8位二進制數,換算為十進制。最小值0,最大值255。

②UTF-8編碼中,一個英文字符占用一個字節的存儲空間,一個中文(含繁體)占用三個字節的存儲空間。

③Unicode編碼中,一個英文占用兩個字節的存儲空間,一個中文(含繁體)占用兩個字節的存儲空間。

④UTF-16編碼中,一個英文字母字符或一個漢字字符存儲都需要占用2個字節的存儲空間(Unicode擴展區的一些漢字存儲需要4個字節)。

⑤UTF-32編碼中,世界上任何字符的存儲都需要占用4個字節的存儲空間。


既然utf8能兼容絕大部分的字符,為什么要擴展utf8mb4?

隨著互聯網的發展,產生了許多新類型的字符,例如emoji這種類型的符號,也就是我們通常在聊天時發的小黃臉表情,這種字符的出現不在基本多平面的Unicode字符之中,導致無法在MySQL中使用utf8存儲,MySQL于是對utf8字符進行了擴展,增加了utf8mb4這個編碼。

所以,設計數據庫時如果想要允許用戶使用特殊符號,最好使用utf8mb4編碼來存儲,使得數據庫有更好的兼容性,但是這樣設計會導致耗費更多的存儲空間。


評論