MySQL亂碼問題以及utf8mb4字元集

亂碼

推薦大家看 深入MySQL字元集設定 ，區分檢查client端、server端的編碼；最簡單暴力的方式，是在所有的環節都顯式明確的指定相同的編碼。

比如使用python的MySQLdb串連MySQL時預設的charset是latin1，需要自己指定charset=’utf8′，即使是在伺服器端的init-connect=’SET NAMES utf8′，MySQLdb也會使用latin1覆蓋該選項；可以參照這篇文章；

emoji表情與utf8mb4

關於emoji表情的話mysql的utf8是不支援，需要修改設定為utf8mb4，才能支援， 詳細emoji表情與utf8mb4的關係 。

MYSQL 5.5 之前， UTF8 編碼只支援1-3個位元組，只支援BMP這部分的unicode編碼區， BMP是從哪到哪，到http://en.wikipedia.org/wiki/Mapping_of_Unicode_characters 這裡看，基本就是0000～FFFF這一區。 從MYSQL5.5開始，可支援4個位元組UTF編碼utf8mb4，一個字元最多能有4位元組，所以能支援更多的字元集。

utf8mb4 is a superset of utf8

utf8mb4相容utf8，且比utf8能表示更多的字元。

修改方法

伺服器端

修改資料庫設定檔/etc/my.cnf

character-set-server=utf8mb4
collation_server=utf8mb4_unicode_ci

重啟MySQL（按照官方文檔，這兩個選項都是可以動態設定的，但是實際的經驗是Server必須重啟一下）

已有的表修改編碼為utf8mb4

ALTER TABLE
tbl_name
 CONVERT TO CHARACTER SET
charset_name

使用下面這個語句只是修改了表的default編碼

ALTER TABLE etape_prospection CHARSET=utf8;

用戶端

jdbc的連接字串不支援utf8mb4，這個 這種方式 來解決的，如果伺服器端設定了character_set_server=utf8mb4，則用戶端會自動將傳過去的utf-8視作utf8mb4。

Connector/J did not support  utf8mb4  for servers 5.5.2 and newer.Connector/J now auto-detects servers configured withcharacter_set_server=utf8mb4  or treats the Java encoding  utf-8 passed using  characterEncoding=... as  utf8mb4  in the  SET NAMES=  calls it makes when establishing the connection. (Bug #54175)

其他的client端，比如php、python需要看下client是否支援，如果不能在連接字串中指定的話，可以在擷取串連之後，執行”set names utf8mb4″來解決這個問題；

因為utf8mb4是utf8的超集，理論上即使client修改字元集為utf8mb4，也會不會對已有的utf8編碼讀取產生任何問題。