MySQL裡怎麼儲存那些看起來會亂碼的字元？我在“UTF8字符集的表怎麼直接轉UTF8MB4”一文中介紹瞭如何把表字符集由UTF8直接轉換成UTF8MB4的幾種方法。

導讀

MySQL裡怎麼儲存那些看起來會亂碼的字元？

我在“UTF8字符集的表怎麼直接轉UTF8MB4”一文中介紹瞭如何把表字符集由UTF8直接轉換成UTF8MB4的幾種方法。

1、只修改字符集（使用預設校驗集）

1. [email protected]> alter table t1 convert to character
    set utf8mb4 

2、同時修改表字符集和校驗集

1. [email protected]> alter table t1 convert to  character set utf8mb4 collate utf8mb4_bin; 

3、只修改某列的字符集

1. [email protected]> alter table t1 modify
    c1 varchar(20)  character set utf8mb4 not null default ‘’ 

4、同時修改某列的字符集和校驗集

1. [email protected]> alter table t1 modify c1 varchar(20)  character set utf8mb4  collate utf8mb4_unicode_ci  not
    null default ‘’ 

好了，有個字符集為UTF8MB4的表中想儲存各類不同字符集的文字，有哪些注意事項億避免亂碼？

如果是通過WEB介面儲存資料，則建議在browser端、server端全都採用UTF8字符集，MySQL Server端採用UTF8/UTF8MB4均可（針對大多數文字，其實UTF8字符集就足夠儲存的了）。

其中，MySQL端的字符集設定比較讓人頭大，涉及到的字符集有好幾個：

• character_set_server，server端預設字符集；
• character_set_database，database預設字符集，若未設定，則和 character_set_server 的設定一樣；database中的 資料表/stored procedure/stored function 也可以自行設定字符集，若未指定，則和 character_set_database 的設定一樣；資料表中的字元型別列，也可以單獨設定字符集，若未設定，則和該表指定的字符集一樣；
• character_set_client，客戶端顯示讀取結果的字符集；
• character_set_connection，客戶端從server端讀取資料時傳輸字符集；
• character_set_results，server端將資料傳送給客戶端時的字符集；

可見，涉及到字符集的因素實在太多，因此我們強烈建議各個環節全部採用同一種字符集，避免出現意外狀況。

MySQL採用UTF8MB4字符集時，儲存文字實際消耗位元組數是由文字內容的位元組數決定的，並非總是需要4位元組，列舉幾種情況：

• 輸入字符集任意，且儲存ASCII字元時，每個字元需要1byte；
• 輸入字符集是GB2312，且儲存的字元是漢字時，每個字元需要2bytes；
• 輸入字符集是UTF8/UTF8MB4，且儲存的字元是低編碼漢字時，每個字元需要3bytes；
• 輸入字符集是UTF8/UTF8MB4，且儲存的字元是高編碼漢字時，每個字元需要4bytes；
• 輸入字符集是binary，且儲存的字元是高編碼漢字時，每個字元需要4bytes；

總結建議

1. 從前端到後端（瀏覽器=>WEB Server=>MySQL連線層=>Server層=>DB層>TABLE層），儘可能使用同一種字符集；
2. 儘可能採用大字符集，也就是優先順序：UTF8Mb4 > UTF8 > GBK > LATIN1；
3. 採用邏輯備份資料時，切記要不定期進行恢復測試，我以前在這方面栽過一次，教訓慘痛。

附1，關於編碼簡介

• ASCII碼，佔7bit，由128個字元組成，包括大小寫字母、數字0-9、標點符號、非列印字元（換行符、製表符等4個）以及控制字元（退格、響鈴等）組成；
• latin1，佔1byte，在ASCII基礎上，增加128 ～ 255區間的字元；
• GB2312等CJK字符集，可變長字符集，最多佔2bytes，用於儲存常見的CJK字元；
• UTF8，可變長字符集，最多佔3bytes，可以囊括ASCII、CJK及其他絕大多數常用語言文字；這中間其實還有個UNICODE字符集，它也是2bytes的，也能囊括ASCII字元，但即便是ASCII字元也需要消耗2bytes，存在一定浪費，而用UTF8儲存ASCII字元時，實際只需要1byte，更為節省儲存空間；
• UTF8MB4，可變長字符集，最多佔4bytes，可以包含上面其他幾種字符集；同樣地，以UTF8MB4儲存ASCII字元時，實際上也是隻佔用1bytes，儲存一般的漢字佔用3bytes，而儲存個別漢字則需要4bytes，儲存emoji也至少需要4bytes；

附2，字符集相容線上測試

為了方便大家，我寫了個簡單的PHP介面供測試，可以提交一些不常見的漢字，或者emoji表情符，看看是否都能正常顯示。

開發這個介面時，發現釘釘中的個別表情符是由2個4位元組編碼組成的，也就是說一個emoji表情符，其實是需要8個位元組的。

這個介面最後輸出的格式是：

字串 : 位元組數

比如 "a齒a : 5" ，表示 "a齒a" 這個字串共消耗 5個位元組，因為 "齒" 其實只需要3個位元組來儲存，雖然看起來挺大一坨的。

相應的程式碼如下：

1. select vchar, length(vchar) as vcharlen 

測試介面連結： utf8mb4字符集相容性測試介面

如果想要寫入4位元組的漢字，可以從龍泉寺提供的字型檔拷貝過來，或者插入emoji表情符。