Unicode 标准包括来自基本多语言平面 (BMP) 的字符和位于 BMP 之外的补充字符。本节介绍 MySQL 中对 Unicode 的支持。有关 Unicode 标准本身的信息,请访问Unicode Consortium 网站。
BMP 字符具有以下特点:
它们的代码点值介于 0 和 65535(或
U+0000
和U+FFFF
)之间。它们可以使用 8、16 或 24 位(1 到 3 个字节)以可变长度编码进行编码。
它们可以使用 16 位(2 字节)以固定长度编码进行编码。
对于主要语言中的几乎所有字符,它们都足够了。
补充字符位于 BMP 之外:
它们的代码点值介于
U+10000
和U+10FFFF
) 之间。Unicode 对增补字符的支持要求字符集的范围在 BMP 字符之外,因此比 BMP 字符占用更多空间(每个字符最多 4 个字节)。
用于编码 Unicode 数据的 UTF-8(Unicode Transformation Format with 8-bit units)方法是根据 RFC 3629 实现的,它描述了占用 1 到 4 个字节的编码序列。UTF-8的思想是各种Unicode字符使用不同长度的字节序列进行编码:
基本的拉丁字母、数字和标点符号使用一个字节。
大多数欧洲和中东脚本字母适合 2 字节序列:扩展拉丁字母(带有波浪号、长音符、锐音符、重音符和其他重音符号)、西里尔字母、希腊字母、亚美尼亚字母、希伯来字母、阿拉伯字母、叙利亚字母等。
韩文、中文和日文表意文字使用 3 字节或 4 字节序列。
MySQL 支持这些 Unicode 字符集:
utf8mb4
:Unicode 字符集的 UTF-8 编码,每个字符使用一到四个字节。utf8mb3
:Unicode 字符集的 UTF-8 编码,每个字符使用一到三个字节。utf8
: 的别名utf8mb3
。ucs2
:Unicode 字符集的 UCS-2 编码,每个字符使用两个字节。utf16
:Unicode 字符集的 UTF-16 编码,每个字符使用两个或四个字节。喜欢ucs2
但带有补充字符的扩展名。utf16le
: Unicode 字符集的 UTF-16LE 编码。喜欢utf16
但小端而不是大端。utf32
:Unicode 字符集的 UTF-32 编码,每个字符使用四个字节。
表 10.2,“Unicode 字符集一般特性”,总结了 MySQL 支持的 Unicode 字符集的一般特性。
表 10.2 Unicode 字符集一般特征
字符集 | 支持的字符 | 每个字符所需的存储空间 |
---|---|---|
utf8mb3 ,utf8 |
仅 BMP | 1、2 或 3 个字节 |
ucs2 |
仅 BMP | 2个字节 |
utf8mb4 |
BMP和补充 | 1、2、3 或 4 个字节 |
utf16 |
BMP和补充 | 2 或 4 个字节 |
utf16le |
BMP和补充 | 2 或 4 个字节 |
utf32 |
BMP和补充 | 4字节 |
BMP 之外的字符与 REPLACEMENT CHARACTER 进行比较,并在转换为仅支持 BMP 字符(或)
'?'
的 Unicode 字符集时转换为。utf8mb3
ucs2
如果您使用支持增补字符的字符集,因此比 BMP-only
和字符集“更宽”,则您的应用程序可能存在不兼容问题;参见第 10.9.8 节,“在 3 字节和 4 字节 Unicode 字符集之间转换”。该部分还描述了如何将表从 (3-byte)转换为 (4-byte)
,以及这样做可能适用的约束。
utf8mb3
ucs2
utf8mb3
utf8mb4
大多数 Unicode 字符集都可以使用一组类似的排序规则。例如,每个都有丹麦语排序规则,其名称为utf8mb4_danish_ci
、
utf8mb3_danish_ci
、
utf8_danish_ci
、
ucs2_danish_ci
、
utf16_danish_ci
和
utf32_danish_ci
。例外是
utf16le
,它只有两个排序规则。有关 Unicode 归类及其区分属性(包括增补字符的归类属性)的信息,请参阅第 10.10.1 节,“Unicode 字符集”。
The MySQL implementation of UCS-2, UTF-16, and UTF-32 stores characters in big-endian byte order and does not use a byte order mark (BOM) at the beginning of values. Other database systems might use little-endian byte order or a BOM. In such cases, conversion of values must be performed when transferring data between those systems and MySQL. The implementation of UTF-16LE is little-endian.
MySQL uses no BOM for UTF-8 values.
使用 Unicode 与服务器通信的客户端应用程序应相应地设置客户端字符集(例如,通过发出SET NAMES 'utf8mb4'
语句)。某些字符集不能用作客户端字符集。尝试将它们与SET
NAMES
or一起使用SET CHARACTER
SET
会产生错误。请参阅
不允许的客户端字符集。
以下部分提供了有关 MySQL 中 Unicode 字符集的更多详细信息。