字符集和字符編碼

字符集（CCS: Coded Character Set）：

就是一個表格，表示每個字符對應數字（通常用16進製表示），比如unicode字符集中，數字1對應的就是U+00031，字母a對應的就是U+00061。

字符編碼（CEF：Character Encoding Form）：

因為計算機只認識0和1，所以計算機在存儲字母a（U+00031）的時候，不能直接存儲。所以就需要編碼將字母a轉換成01表示形式。對於unicode字符，utf8就是它的編碼方案（如何utf8轉換成01表示下文介紹）。

字符：

字符簡單理解就是人類能（容易）看懂得符號。

比如對於漢字嚴，機器存儲的是11100100 10111000 10100101，人類根本看不懂。轉換成unicode表示方法是U+4E25，依然看不懂。

人類只能看懂嚴這個字符，三者之間的關係如下：

字符串到保存文件過程如下：

UTF-8編碼

嚴這個字的unicode碼是U+4E25(對應的二進制數字是100111000100101)，而utf8編碼之後是11100100 10111000 10100101，是不是很奇怪？兩個二進制完全不一樣，是因為utf8有一套編碼規則。

UTF-8編碼規則

utf8 最大的一個特點，就是它是一種可變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。

utf8 的編碼規則很簡單，只有二條：

• 對於單字節的符號，字節的第一位設為0，後面7位為這個符號的 Unicode 碼。因此對於英語字母，utf8 編碼和 ASCII 碼是相同的。
• 對於n字節的符號（n > 1），第一個字節的前n位都設為1，第n + 1位設為0，後面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的 Unicode 碼。

下表總結了編碼規則，字母x表示可用編碼的位。

Unicode符號範圍      |        UTF-8編碼方式
  (十六進制)         |         （二進制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 

嚴字的Unicode編碼是4E25處於0000 0800 - 0000 FFFF這個範圍裏面，所以需要三個字節表示。

哇塞，原來是這樣

utf8和utf8mb4

utf8mb4只是mysql特有的概念，原因是mysql在5.5.3之前，Unicode收錄的字符還不是很多，（最大）3個字節足夠存儲，所以那時的mysql把utf8（alias of "utf8mb3"）存儲也設計為3字節存儲。後來Unicode收錄的字符更多了，擴張到4字節了（比如表情😁）。

MySQL也在5.5.3版本之後增加了這個utf8mb4的編碼，mb4就是most bytes 4的意思，專門用來兼容四字節的Unicode。

MySQL官方網站也解釋了utf8mb3和utf8mb4之間的關係。[](https://dev.mysql.com/doc/ref...https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-utf8mb4.html

[](https://dev.mysql.com/doc/ref...https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-utf8mb3.html

總結

• Unicode是字符集，是符合和碼點的映射表
• utf8是Unicode的一種最常見的字符編碼方式（還有utf16、utf32）
• mysql中utf8實際上是utf8mb3(最大存儲3字節)，utf8mb4最大可以存儲4字節（大部分表情都要佔用4字節，所以需要選擇utf8mb4）