utf8與utf8mb4的區別

　　　　最近在寫一個爬蟲的多線程腳本，在異步插入數據庫的時候總有部分數據插入失敗，緣由居然是編碼的問題。捫心自問，mysql最通用的中文字符編碼就是utf-8了，一般狀況下，utf-8做爲中文編碼是司空見慣的，可是仍是一如既往的寫入數據庫失敗。

　　　　原來MySQL在5.5.3版本以後增長了這個utf8mb4的編碼，mb4就是most bytes 4的意思，專門用來兼容四字節的unicode。其實，utf8mb4是utf8的超集，理論上原來使用utf8，而後將字符集修改成utf8mb4，也會不會對已有的utf8編碼讀取產生任何問題。固然，爲了節省空間，通常狀況下使用utf8也就夠了。低版本的MySQL支持的utf8編碼，最大字符長度爲 3 字節，若是遇到 4 字節的字符就會出現錯誤了。

　　　　UTF-8 最大能編碼的 Unicode 字符是 0xFFFF，也就是 Unicode 中的基本多文平面（BMP）。也就是說，任何不在基本多文平面的 Unicode字符，都沒法使用MySQL原有的 utf8 字符集存儲。這些不在BMP中的字符包括哪些呢？最多見的就是Emoji 表情（Emoji 是一種特殊的 Unicode 編碼，常見於 ios 和 android 手機上），和一些不經常使用的漢字，以及任何新增的 Unicode 字符等等。理論上講， UTF-8 格式使用一至六個字節，最大能編碼 31 位字符。最新的 UTF-8 規範只使用一到四個字節，最大能編碼21位，正好可以表示全部的 17個 Unicode 平面。爲了獲取更好的兼容性，應該老是使用 utf8mb4 而非 utf8，事實上，最新版的phpmyadmin默認字符集就是utf8mb4。誠然，對於 CHAR 類型數據，使用utf8mb4 存儲會多消耗一些空間。