运用MYSQL的时候经常会遇到一个疑问,试着通过 Rails 在以“utf8”编码的 MariaDB 中保存一个 UTF-8 字符串,然后显现了一个特别离奇的错误:
Incorrect string value: ‘\xF0\x9F\x98\x83 <…’ for column ‘summary’ at row 1
UTF-8 编码的顾客端,服务器也是 UTF-8 编码的,数值库也是,就连要保存的这个字符串“ <…”也是正当的 UTF-8。疑问的症结在于,MySQL 的“utf8”实际上不是真正的 UTF-8。“utf8”只赞同每个字符最多三个数据存储基本单位字节,而真正的 UTF-8 是每个字符最多四个数据存储基本单位字节。原来MySQL 一直不存在修复这个 bug,他们在 2010 年发表了一个叫作“utf8mb4”的字符集,绕过了这个疑问。他们并不存在对这个新的字符集广而告之,以致于目前互联网上仍然在提议研制开发者运用“utf8”,但是这些提议都是错误的。
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”,它满足编码的 Unicode 字符并不多。
尚品小编这里提议大家:运用“utf8”的 MySQL 和 MariaDB 的客户都应当改用“utf8mb4”,永远都不要再运用“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,是运用 0 和 1 来存储文本。例如字符“C”被存成“01000011”,那么计算机在表现这个字符时需要经过两个流程步骤:
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。
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,发现了“C”。
几乎所有的互联网使用都运用了 Unicode 字符集,因为不存在理由运用其他字符集。
Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32,每个字符运用 32 位。这样做最简单,因为一直以来,计算机将 32 位看作为数字,而计算机最在行的就是处理数字。但疑问是,这样太浪费空间了。
UTF-8 能够节约空间,在 UTF-8 中,字符“C”只需要 8 位,其他的字符也许运用 16 位或 24 位。一篇类似本文这样的文章,如果运用 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 研制开发者会让“utf8”失效?我们或许能够从提交日志中寻找答案。
MySQL 4.1 版本赞同 UTF-8,也就是 2003 年,而今天运用的 UTF-8 准则(RFC 3629)是随后才显现的。而旧版的 UTF-8 准则(RFC 2279)最多赞同每个字符 6 个数据存储基本单位字节。2002 年 3 月 28 日,MySQL 研制开发者在第一个 MySQL 4.1 预览版中运用了 RFC 2279。同年 9 月,他们对 MySQL 源代码推进了一次调整:“UTF8 目前最多只赞同 3 个数据存储基本单位字节的序列”。那么是谁提交了这些代码?他为什么要这样做?这个疑问不可以而知。在迁移到 Git 后(MySQL 最着手运用的是 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能够解释这一变化更改的线索。
不过能够试着猜测一下。
2002 年,MySQL 做出了一个决定:如果客户能够保证数值表的每一行都运用相同的数据存储基本单位字节数,那么 MySQL 就能够在性能方面来一个大提升。为此,客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 研制开发者在最着手尝试 UTF-8 时运用了每个字符 6 个数据存储基本单位字节,CHAR(1) 运用 6 个数据存储基本单位字节,CHAR(2) 运用 12 个数据存储基本单位字节,并以此类推。
能够说,他们最初的版本才是正确的,可惜这一版本一直不存在发表。但是文档上却写了,而且广为流传,所有明白 UTF-8 的人都支持赞同文档里写的东西。
不过很显然,MySQL 研制开发者或厂商担心会有客户做这两件事:
运用 CHAR 定义列。
将 CHAR 列的编码设置为“utf8”。
小编猜测应当是 MySQL 研制开发者本来想协助支持那些希望在空间和速度上双赢的客户,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客户,当他们在运用“utf8”的 CHAR 列时,实际上运用的空间比预想的更大,速度也比预想的慢。而想要正确性的客户,当他们运用“utf8”编码时,却没办法保存像“”这样的字符。
第三、为什么这个疑问很引起人们的关注
关于这个疑问,小编曾经花费很多时间才发现这个 bug。但是不确定这是唯一的一个,互联网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,它给我们带给了新疑问,却一直不存在得到处理。
本文转自:公司网站设计:企业建站为什么在Mysql中不能使用“UFT8”
移动端网站开发:挑选网站设计公司的
外贸网站定制:外贸跨境电商独立站的
公司企业网站建设:公司网站建设相关
品牌营销网站建设:竞价托管分享S
开封英文建站:网站建设需要注意哪些