Qual è la differenza tra utf8mb4 e utf8 set di caratteri in mysql?
Conosco già le codifiche ASCII, UTF-8, UTF-16 e UTF-32; ma sono curioso di sapere qual è la differenza del gruppo 'utf8mb4' di codifiche con altri tipi di codifica definiti nel server mysql.Qual è la differenza tra i set di caratteri utf8mb4 e utf8 in mysql?
Esistono vantaggi/proposte speciali dell'utilizzo di utf8mb4 anziché utf8?
UTF-8 è una codifica a lunghezza variabile. Nel caso di UTF-8, ciò significa che la memorizzazione di un punto di codice richiede da uno a quattro byte. Tuttavia, la codifica di MySQL chiamata "utf8" memorizza solo un massimo di tre byte per punto di codice.
Quindi il set di caratteri "utf8" non può memorizzare tutti i punti di codice Unicode: supporta solo l'intervallo da 0x000 a 0xFFFF, che è chiamato "Basic Multilingual Plane". Vedere anche Comparison of Unicode encodings.
Questo è ciò che the MySQL documentation ha da dire in proposito:
Il set di caratteri di nome utf8 utilizza un massimo di tre byte per carattere e contiene solo caratteri BMP. A partire da MySQL 5.5.3, il set di caratteri utf8mb4 utilizza un massimo di quattro byte per carattere supporta i caratteri supplementari:
Per un carattere BMP, utf8 e utf8mb4 hanno caratteristiche identiche stoccaggio: valori stesso codice, stessa codifica, stessa lunghezza
Per un carattere supplementare, utf8 non può memorizzare il carattere a tutti, mentre utf8mb4 richiede quattro byte per memorizzarlo. Poiché utf8 non può memorizzare affatto il personaggio, non hai caratteri supplementari nelle colonne utf8 e non devi preoccuparti di convertire i caratteri o di perdere dati quando aggiorni i dati utf8 dalle vecchie versioni di MySQL.
Quindi, se volete la vostra colonna per supportare i caratteri di stoccaggio situata al di fuori del BMP (e di solito si vuole), come ad esempio emoji, utilizzare "utf8mb4". Vedi anche What are the most common non-BMP Unicode characters in actual use?.
Il set di caratteri utf8mb4 è utile perché al giorno d'oggi abbiamo bisogno di supporto per l'archiviazione non solo di caratteri di lingua ma anche di simboli, emoji appena introdotti e così via.
Una bella lettura su How to support full Unicode in MySQL databases di Mathias Bynens può anche far luce su questo.
Gli unici casi che ho riscontrato (finora) in cui utf8mb4 era "obbligatorio" sono le emoticon e il cinese. Ci sono alfabeti oscuri che ne hanno bisogno. –
Non dovrebbe essere richiesto per il cinese - il cinese + il coreano + il giapponese dovrebbero essere tutti nel piano multilingue di base che copre 'utf8' di MySQL. Detto questo, non c'è motivo per non usare 'utf8mb4' ora, e in effetti è necessario per tutte le nuove emoji, ad es. – thomasrutter
E 'necessario anche se si utilizza per mantenere password e dati crittografati nel proprio database.Stavo mantenendo la password criptata in mysql usando il normale formato utf8 che mi causava molti problemi con alcune password in modo casuale e molto difficile da debugare, quindi alla fine ho provato ad usare la codifica base64 e risolto il problema temporaneamente. Ma ora conosco la ragione. –