MySQL 8.4 Release Notes
12.9 Unicode 支持
Unicode标准包括基本多语言平面（BMP）中的字符和超出BMP的补充字符。这一节描述了MySQL对Unicode的支持。关于Unicode标准本身，请访问Unicode协会网站。
BMP字符具有以下特征：
-
它们的代码点值在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）的可变长度编码。
-
它们可以使用16位（2个字节）的固定长度编码。
-
它们对于大多数主要语言的字符来说已经足够了。
补充字符位于 BMP 之外：
-
它们的代码点值在
U+10000和U+10FFFF之间)。 -
Unicode 对补充字符的支持需要字符集具有 BMP 字符之外的范围，因此比 BMP 字符占用更多空间（每个字符最多 4 个字节）。
UTF-8（ Unicode 转换格式，使用 8 位单元）用于编码 Unicode 数据，遵循 RFC 3629，该标准描述了以一个到四个字节的编码序列。UTF-8 的想法是，各种 Unicode 字符使用不同的字节序列进行编码：
-
基本拉丁字母、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 个字节序列：带tilde、macron、acute、grave 和其他标点的扩展拉丁字母（包括希腊语、亚美尼亚语、希伯来语、阿拉伯语、叙利亚语等）。
-
韩文、中文和日文字符使用 3 个或 4 个字节序列。
MySQL 支持这些 Unicode 字符集：
-
utf8mb4： UTF-8 编码的 Unicode 字符集，使用一个到四个字节 per 字符。 -
utf8mb3： UTF-8 编码的 Unicode 字符集，使用一个到三个字节 per 字符。这一字符集已经弃用，未来版本中将被删除；请使用utf8mb4。 -
utf8：已弃用的utf8mb3别名；请使用utf8mb4。Noteutf8在 MySQL 未来版本中将变为utf8mb4的别名。 -
ucs2：Unicode 字符集的 UCS-2 编码，使用两个字节表示每个字符。已弃用；预计在将来版本中删除该字符集支持。 -
utf16： Unicode 字符集的 UTF-16 编码，使用两个或四个字节表示每个字符。类似于ucs2，但具有补充字符扩展功能。 -
utf16le： Unicode 字符集的 UTF-16LE 编码，使用小端序而不是大端序。 -
utf32： Unicode 字符集的 UTF-32 编码，使用四个字节表示每个字符。
Note
字符集 utf8mb3 已弃用，建议使用 utf8mb4。当前 utf8 是 utf8mb3 的别名，但现在已被弃用，预计将来会变为 utf8mb4。MySQL 8.4 也在信息架构表的列和 SQL 命令输出中显示 utf8mb3 而不是 utf8。
此外，您还应该注意，老版本 MySQL 的 collation 使用 utf8_ 前缀已经被重新命名为 utf8mb3_。
为了避免关于 utf8 的歧义，建议在字符集引用中明确指定 utf8mb4。
表 12.2, “Unicode 字符集一般特征”,总结了 MySQL 支持的 Unicode 字符集的一般特征。
表 12.2 Unicode 字符集一般特征
| Character Set | Supported Characters | Required Storage Per Character |
|---|---|---|
utf8mb3, utf8 (deprecated) |
BMP 只有 | 1, 2 或 3 个字节 |
ucs2 |
BMP 只有 | 2 个字节 |
utf8mb4 |
BMP 和补充字符 | 1, 2, 3 或 4 个字节 |
utf16 |
BMP 和补充字符 | 2 或 4 个字节 |
utf16le |
BMP 和补充字符 | 2 或 4 个字节 |
utf32 |
BMP 和补充字符 | 4 个字节 |
超出 BMP 的字符将被比较为 REPLACEMENT CHARACTER，在转换到支持只包含 BMP 字符的 Unicode 字符集 (utf8mb3 或 ucs2) 时转换为 '?'。
如果您使用支持补充字符的字符集，因此比 BMP 只包含的 utf8mb3 和 ucs2 字符集“更宽”，可能会出现不兼容问题；见第 12.9.8 节，“从 3 个字节到 4 个字节 Unicode 字符集之间转换”。该节还描述了如何将表从 (3 个字节) utf8mb3 转换到 (4 个字节) utf8mb4，并且可能会出现什么限制。
大多数 Unicode 字符集都有相似的排序规则，例如，每个字符集都有丹麦排序规则，名称分别是 utf8mb4_danish_ci，utf8mb3_danish_ci（已弃用），utf8_danish_ci（已弃用），ucs2_danish_ci，utf16_danish_ci 和 utf32_danish_ci。唯一的例外是 utf16le，它只有两个排序规则。关于 Unicode 排序规则和它们的不同特性，包括补充字符的排序规则，请参见第12.10.1节，“Unicode 字符集”。
MySQL 对 UCS-2、UTF-16 和 UTF-32 的实现将字符存储在大端字节顺序中，不使用值开头的字节顺序标记（BOM）。其他数据库系统可能使用小端字节顺序或 BOM。在这种情况下，需要在 MySQL 和这些系统之间传输数据时进行值转换。UTF-16LE 的实现是小端字节顺序。
MySQL 对 UTF-8 值不使用 BOM。
使用Unicode通信的客户端应用程序应该设置相应的客户端字符集（例如，通过执行SET NAMES 'utf8mb4'语句）。一些字符集不能用作客户端字符集。使用SET NAMES或SET CHARACTER SET语句时，会产生错误。详见不允许的客户端字符集.
以下部分提供了 MySQL 中 Unicode 字符集的详细信息。