UTF-8 和 UTF-8MB4 的区别
1. 定义
UTF-8 是一种可变长度的字符编码方式，能够编码 Unicode 字符集中的所有字符。它使用 1 到 4 个字节来表示一个字符，具体取决于字符的不同。
UTF-8MB4 是 UTF-8 的一种扩展，允许使用 4 个字节来编码更多的 Unicode 字符，包括一些特殊字符，如表情符号（emoji）。
2. 字节数
-
UTF-8:
- 1 字节：ASCII 字符（U+0000 到 U+007F）
- 2 字节：拉丁文字符（U+0080 到 U+07FF）
- 3 字节：大部分常用汉字（U+0800 到 U+FFFF）
- 4 字节：一些较少使用的字符（U+10000 到 U+10FFFF）
-
UTF-8MB4:
- 仍然支持 1 到 3 字节字符
- 4 字节字符的支持，使得可以表示 U+10000 到 U+10FFFF 范围内的字符，如emoji和某些罕见的字符。
3. 数据库支持
许多数据库（如 MySQL）在早期版本中默认只支持 UTF-8 编码，但实际上它们使用的 UTF-8 实现是 utf8，只支持最多 3 字节的字符编码。这意味着它无法存储某些 Unicode 字符。
- MySQL 中的 utf8:
- 实际上只支持 U+0000 到 U+FFFF 的字符范围。
- MySQL 中的 utf8mb4:
- 支持完整的 Unicode 字符集，能够存储所有字符，包括 4 字节的字符。
4. 兼容性
- 因为
utf8mb4是对utf8的扩展，所以utf8的字符可以在utf8mb4中正确存储和读取。 - 然而，反之则不然，当使用
utf8编码的数据库尝试存储 4 字节字符时，会导致错误。
5. 使用场景
-
UTF-8:
- 适用于大多数常规文本场景，尤其是只需要存储 ASCII 和普通字符的应用。
-
UTF-8MB4:
- 适用于需要存储所有 Unicode 字符的应用，比如需要支持表情符号、特殊符号或多语言内容的场景。
6. 实际应用
在设计数据库时，特别是使用 MySQL 等数据库时，建议使用 utf8mb4 而不是 utf8。这样可以确保能够存储所有字符，避免因字符集限制导致的数据丢失或错误。
例如，创建表时应使用：
CREATE TABLE example (
id INT PRIMARY KEY AUTO_INCREMENT,
content VARCHAR(255) CHARACTER SET utf8mb4
);
7. 结论
总结来说，UTF-8 是一种通用编码方式，适用于大多数文本数据。然而，UTF-8MB4 是 UTF-8 的扩展，能够支持更多字符，尤其是在需要支持表情符号和其他特殊字符时更为重要。在数据库设计中，使用 utf8mb4 可以保证应用的兼容性和数据的完整性。
