http://mp.weixin.qq.com/s/zGoP9OutpkzWrdOHsRk7Uw
导读
MySQL里怎么存储那些看起来会乱码的字符？
我在“UTF8字符集的表怎么直接转UTF8MB4”一文中介绍了如何把表字符集由UTF8直接转换成UTF8MB4的几种方法。
1、只修改字符集（使用默认校验集）
yejr@imysql.com> alter table t1 convert to character set utf8mb4
2、同时修改表字符集和校验集
yejr@imysql.com> alter table t1 convert to
character set utf8mb4 collate utf8mb4_bin;
3、只修改某列的字符集
yejr@imysql.com> alter table t1 modify c1 varchar(20)
character set utf8mb4 not null default ‘’
4、同时修改某列的字符集和校验集
yejr@imysql.com> alter table t1 modify c1 varchar(20)
character set utf8mb4
collate utf8mb4_unicode_ci
not null default ‘’
好了，有个字符集为UTF8MB4的表中想存储各类不同字符集的文本，有哪些注意事项亿避免乱码？
如果是通过WEB接口存储数据，则建议在browser端、server端全都采用UTF8字符集，MySQL Server端采用UTF8/UTF8MB4均可（针对大多数文本，其实UTF8字符集就足够存储的了）。
其中，MySQL端的字符集设置比较让人头大，涉及到的字符集有好几个：
character_set_server，server端默认字符集；
character_set_database，database默认字符集，若未设定，则和 character_set_server 的设定一样；database中的 数据表/stored procedure/stored function 也可以自行设定字符集，若未指定，则和 character_set_database 的设置一样；数据表中的字符类型列，也可以单独设定字符集，若未设定，则和该表指定的字符集一样；
character_set_client，客户端显示读取结果的字符集；
character_set_connection，客户端从server端读取数据时传输字符集；
character_set_results，server端将数据发送给客户端时的字符集；
可见，涉及到字符集的因素实在太多，因此我们强烈建议各个环节全部采用同一种字符集，避免出现意外状况。
MySQL采用UTF8MB4字符集时，存储文本实际消耗字节数是由文本内容的字节数决定的，并非总是需要4字节，列举几种情况：
输入字符集任意，且存储ASCII字符时，每个字符需要1byte；
输入字符集是GB2312，且存储的字符是汉字时，每个字符需要2bytes；
输入字符集是UTF8/UTF8MB4，且存储的字符是低编码汉字时，每个字符需要3bytes；
输入字符集是UTF8/UTF8MB4，且存储的字符是高编码汉字时，每个字符需要4bytes；
输入字符集是binary，且存储的字符是高编码汉字时，每个字符需要4bytes；
总结建议
从前端到后端（浏览器=>WEB Server=>MySQL连接层=>Server层=>DB层>TABLE层），尽可能使用同一种字符集；
尽可能采用大字符集，也就是优先级：UTF8Mb4 > UTF8 > GBK > LATIN1；
采用逻辑备份数据时，切记要不定期进行恢复测试，我以前在这方面栽过一次，教训惨痛。
附1，关于编码简介
ASCII码，占7bit，由128个字符组成，包括大小写字母、数字0-9、标点符号、非打印字符（换行符、制表符等4个）以及控制字符（退格、响铃等）组成；
latin1，占1byte，在ASCII基础上，增加128 ～ 255区间的字符；
GB2312等CJK字符集，可变长字符集，最多占2bytes，用于存储常见的CJK字符；
UTF8，可变长字符集，最多占3bytes，可以囊括ASCII、CJK及其他绝大多数常用语言文字；这中间其实还有个UNICODE字符集，它也是2bytes的，也能囊括ASCII字符，但即便是ASCII字符也需要消耗2bytes，存在一定浪费，而用UTF8存储ASCII字符时，实际只需要1byte，更为节省存储空间；
UTF8MB4，可变长字符集，最多占4bytes，可以包含上面其他几种字符集；同样地，以UTF8MB4存储ASCII字符时，实际上也是只占用1bytes，存储一般的汉字占用3bytes，而存储个别汉字则需要4bytes，存储emoji也至少需要4bytes；
附2，字符集兼容在线测试
为了方便大家，我写了个简单的PHP接口供测试，可以提交一些不常见的汉字，或者emoji表情符，看看是否都能正常显示。
开发这个接口时，发现钉钉中的个别表情符是由2个4字节编码组成的，也就是说一个emoji表情符，其实是需要8个字节的。
这个接口最后输出的格式是：
字符串 : 字节数
比如 "a齒a : 5" ，表示 "a齒a" 这个字符串共消耗 5个字节，因为 "齒" 其实只需要3个字节来存储，虽然看起来挺大一坨的。
相应的代码如下：
select vchar, length(vchar) as vcharlen
测试接口链接： utf8mb4字符集兼容性测试接口
如果想要写入4字节的汉字，可以从龙泉寺提供的字库拷贝过来，或者插入emoji表情符。
网友评论