10.9 Unicode 支持

10.9.1 utf8mb4 字符集（4 字节 UTF-8 Unicode 编码）
10.9.2 utf8mb3 字符集（3 字节 UTF-8 Unicode 编码）
10.9.3 utf8 字符集（utf8mb3 的别名）
10.9.4 ucs2字符集（UCS-2 Unicode编码）
10.9.5 utf16字符集（UTF-16 Unicode编码）
10.9.6 utf16le字符集（UTF-16LE Unicode编码）
10.9.7 utf32字符集（UTF-32 Unicode编码）
10.9.8 在 3 字节和 4 字节 Unicode 字符集之间转换

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。utf8mb3ucs2

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。 utf8mb3ucs2utf8mb3utf8mb4

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 NAMESor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。