MySQL 字符集深度解析：utf8mb4 vs utf8 讓 Emoji 與生僻字無障礙存儲

MySQL 字符集深度解析：utf8mb4 vs utf8 讓 Emoji 與生僻字無障礙存儲

MySQL 早期 utf8 僅支援 BMP（基本多文種平面，3 字節），無法存儲 Emoji（SMP，4 字節）及擴展漢字（SIP）。本文從 Unicode 平面劃分、UTF-8 編碼原理、utf8mb4 兼容性、索引長度限制、性能影響、遷移實戰六大維度全景解析，助你徹底解決「Incorrect string value」報錯。

核心概念速覽

• Unicode：字符集標準，碼位範圍 0x0~0x10FFFF
• UTF-8：變長編碼，ASCII 1 字節，BMP 3 字節，SMP/SIP 4 字節
• Plane 0 (BMP)：常用字符，utf8 覆蓋
• Plane 1 (SMP)：Emoji、音樂符號、麻將牌、撲克牌
• Plane 2 (SIP)：擴展漢字 B/E 區、粵語用字、生僻字

utf8 vs utf8mb4 關鍵差異

遷移實戰清單

1. 庫級：ALTER DATABASE db_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
2. 表級：ALTER TABLE tbl_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
3. 欄位級：ALTER TABLE tbl_name MODIFY col VARCHAR(191) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
4. 連線層：應用啟動時執行 SET NAMES utf8mb4 或 JDBC URL 加 characterEncoding=utf8mb4
5. 索引長度：受影響索引重建 ALTER TABLE t DROP INDEX idx, ADD INDEX idx(col(191));

驗證腳本

-- 測試 Emoji
INSERT INTO t(c) VALUES ('😀🎉🚀');
SELECT c, HEX(c), CHAR_LENGTH(c) FROM t;

-- 測試生僻字（擴展 B 區）
INSERT INTO t(c) VALUES ('𠮷𠮷'); -- U+20BB7
SELECT c, HEX(c) FROM t;

排序規則選擇建議

• utf8mb4_unicode_ci：基於 UCA（Unicode Collation Algorithm），準確支援多語言排序，推薦通用場景。
• utf8mb4_general_ci：簡化規則，速度略快但德語 ß、法語 à 等排序不準，僅舊系統相容用。
• utf8mb4_0900_ai_ci（MySQL 8.0+）：最新 UCA 9.0，支援表情符號排序、無重音不敏感，首選新項目。

決策矩陣

若系統頻繁寫入標題、評論等用戶生成內容，強烈建議直接遷移至 utf8mb4。性能損耗可忽略，數據完整性與用戶體驗收益遠大於成本。若絕對禁止遷移，應用層必須過濾/轉義 4 字節字符，但會導致數據失真。