Documentation Home

10.9 Unicode 支持

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+0000U+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+10000U+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。此字符集在 MySQL 8.0 中已弃用,您应该 utfmb4改用。

  • utf8: 的别名 utf8mb3。在 MySQL 8.0 中,这个别名已被弃用;改用utf8mb4utf8预计在未来的版本中将成为 . 的别名utf8mb4

  • ucs2:Unicode 字符集的 UCS-2 编码,每个字符使用两个字节。在 MySQL 8.0.28 中弃用;您应该期望在未来的版本中删除对该字符集的支持。

  • 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。

笔记

utf8mb3字符集已弃用,您应该期望在未来的 MySQL 版本中将其删除。请utf8mb4改用。 utf8目前是 的别名 utf8mb3,但现在已弃用,utf8预计随后会成为 的引用utf8mb4。从 MySQL 8.0.28 开始,utf8mb3也显示在 utf8Information Schema 表的列和 SQLSHOW语句的输出中。

此外,在 MySQL 8.0.30 中,所有使用前缀的排序规则都使用 utf8_前缀重命名 utf8mb3_

为避免 的含义出现歧义utf8,请考虑utf8mb4明确指定字符集引用。

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
utf8mb3utf8(已弃用) 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 之外的字符在转换为仅支持 BMP 字符(或 ) 的 Unicode 字符集时 比较为REPLACEMENT CHARACTER并转换为。'?'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_ciutf8mb3_danish_ci(已弃用)、 utf8_danish_ci(已弃用)、 ucs2_danish_ciutf16_danish_ciutf32_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”

UCS-2、UTF-16 和 UTF-32 的 MySQL 实现以大端字节顺序存储字符,并且不在值的开头使用字节顺序标记 (BOM)。其他数据库系统可能使用小端字节序或 BOM。在这种情况下,在这些系统和 MySQL 之间传输数据时需要执行值的转换。UTF-16LE 的实现是小端。

MySQL 不对 UTF-8 值使用 BOM。

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。