10.9.8 在 3 字节和 4 字节 Unicode 字符集之间转换
本节介绍在utf8mb3和utf8mb4字符集之间转换字符数据时可能遇到的问题。
Note
该讨论主要集中在utf8mb3和utf8mb4之间的转换，但是类似的原理适用于ucs2字符集和诸如utf16或utf32之类的字符集之间的转换。
utf8mb3和utf8mb4字符集的区别如下：
-
utf8mb3仅支持基本多语言平面(BMP)中的字符。utf8mb4还支持 BMP 之外的补充字符。 -
utf8mb3每个字符最多使用三个字节。utf8mb4每个字符最多使用四个字节。
Note
该讨论引用的是utf8mb3和utf8mb4字符集名称，以明确地引用 3 字节和 4 字节 UTF-8 字符集数据。exception 是在 table 定义中使用utf8，因为 MySQL 会将此类定义中指定的utf8mb3的实例转换为utf8，这是utf8mb3的别名。
从utf8mb3转换为utf8mb4的一个优点是，这使应用程序可以使用补充字符。一种折衷是这可能增加数据存储空间需求。
就 table 内容而言，从utf8mb3转换为utf8mb4不会出现问题：
-
对于 BMP 字符，
utf8mb4和utf8mb3具有相同的存储 Feature：相同的代码值，相同的编码，相同的长度。 -
对于补充字符，
utf8mb4需要四个字节来存储它，而utf8mb3根本不能存储该字符。将utf8mb3列转换为utf8mb4时，您无需担心转换补充字符，因为将没有补充字符。
就 table 结构而言，这些是潜在的主要不兼容性：
-
对于可变长度字符数据类型(VARCHAR和TEXT类型)，
utf8mb4列的字符允许的最大长度小于utf8mb3列的字符的最大允许长度。 -
对于所有字符数据类型(CHAR，VARCHAR和TEXT类型)，
utf8mb4列的索引最大字符数少于utf8mb3列的索引数。
因此，要将 table 从utf8mb3转换为utf8mb4，可能需要更改某些列或索引定义。
可以使用ALTER TABLE将 table 从utf8mb3转换为utf8mb4。假设一个 table 具有以下定义：
CREATE TABLE t1 (
col1 CHAR(10) CHARACTER SET utf8 COLLATE utf8_unicode_ci NOT NULL,
col2 CHAR(10) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL
) CHARACTER SET utf8;
以下语句将t1转换为utf8mb4：
ALTER TABLE t1
DEFAULT CHARACTER SET utf8mb4,
MODIFY col1 CHAR(10)
CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL,
MODIFY col2 CHAR(10)
CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NOT NULL;
从utf8mb3转换为utf8mb4时，要注意的是，列或索引键的最大长度以* bytes *不变。因此，就字符而言，它更小，因为一个字符的最大长度是四个字节而不是三个字节。对于CHAR，VARCHAR和TEXT数据类型，在转换 MySQLtable 时请注意以下问题：
-
检查
utf8mb3列的所有定义，并确保它们不会超过存储引擎的最大长度。 -
检查
utf8mb3列上的所有索引，并确保它们不会超过存储引擎的最大长度。有时，由于存储引擎的增强，最大值可能会更改。
如果满足上述条件，则必须减少定义的列或索引的长度，或者 continue 使用utf8mb3而不是utf8mb4。
以下是一些可能需要进行结构更改的示例：
- TINYTEXT列最多可容纳 255 个字节，因此最多可容纳 85 个 3 字节或 63 个 4 字节字符。假设您有一个使用
utf8mb3的TINYTEXT列，但必须包含 63 个以上的字符。除非将数据类型更改为更长的类型，例如TEXT，否则不能将其转换为utf8mb4。
同样，如果要将VARCHAR较长的列从utf8mb3转换为utf8mb4，则可能需要将其更改为较长的TEXT类型之一。
- 对于使用
COMPACT或REDUNDANT行格式的 table，InnoDB的最大索引长度为 767 字节，因此对于utf8mb3或utf8mb4列，您最多可以分别索引 255 个或 191 个字符。如果当前有utf8mb3列的索引长于 191 个字符，则必须索引较少的字符。
在使用COMPACT或REDUNDANT行格式的InnoDBtable 中，这些列和索引定义是合法的：
col1 VARCHAR(500) CHARACTER SET utf8, INDEX (col1(255))
要改为使用utf8mb4，索引必须较小：
col1 VARCHAR(500) CHARACTER SET utf8mb4, INDEX (col1(191))
Note
对于使用COMPRESSED或DYNAMIC行格式的InnoDBtable，您可以启用innodb_large_prefix选项以允许索引键前缀长于 767 字节(最多 3072 字节)。创建此类 table 还需要选项值innodb_file_format=barracuda和innodb_file_per_table=true。)在这种情况下，启用innodb_large_prefix选项可使您分别为utf8mb3或utf8mb4列索引最多 1024 个或 768 个字符。有关相关信息，请参见第 14.23 节“ InnoDB 限制”。
仅当列或索引很长时，才有可能需要进行上述更改。否则，您应该能够使用ALTER TABLE如前所述将 table 从utf8mb3转换为utf8mb4而不出现问题。
以下各项总结了其他潜在的不兼容性：
-
SET NAMES 'utf8mb4'导致将 4 字节字符集用于连接字符集。只要服务器没有发送 4 字节字符，就不会有问题。否则，期望每个字符最多接收三个字节的应用程序可能会出现问题。相反，希望发送 4 字节字符的应用程序必须确保服务器能够理解它们。 -
对于复制，如果要在主服务器上使用支持补充字符的字符集，则所有从服务器也必须理解它们。
另外，请记住以下一般原则：如果 table 在主服务器和从服务器上具有不同的定义，则可能导致意外的结果。例如，最大索引键长度的差异使得在主服务器上使用utf8mb3并在从服务器上使用utf8mb4很有风险。
如果您已转换为utf8mb4，utf16，utf16le或utf32，然后决定转换回utf8mb3或ucs2(例如，降级到旧版本的 MySQL)，则适用以下注意事项：
-
utf8mb3和ucs2数据应该没有问题。 -
服务器必须具有足够的最新性，以识别引用所要转换的字符集的定义。
-
对于引用
utf8mb4字符集的对象定义，您可以在降级之前用mysqldump转储它们，编辑转储文件以将utf8mb4的实例更改为utf8，然后在没有旧版本的服务器中重新加载文件，只要没有 4-数据中的字节字符。较旧的服务器将在转储文件对象定义中看到utf8，并创建使用(3 字节)utf8字符集的新对象。
