utf8mb4 和 utf8 比较

utf8mb4: A UTF-8 encoding of the Unicode character set using one to four bytes per character.

utf8mb3: A UTF-8 encoding of the Unicode character set using one to three bytes per character.

UTF-8是使用1~4个字节，一种变长的编码格式。(字符编码 )

mb4即 most bytes 4，使用4个字节来表示完整的UTF-8。而MySQL中的utf8是utfmb3，只有三个字节，节省空间但不能表达全部的UTF-8，只能支持“基本多文种平面”(Basic Multilingual Plane，BMP)。

推荐使用utf8mb4。

utf8mb4_unicode_ci 和 utf8mb4_general_ci 比较

general_ci 更快，unicode_ci 更准确

in German and some other languages ß is equal to ss.

这种情况unicode_ci能准确判断。

具体有什么差别呢？参见下面的连接。

utf8mb4_general_ci P=p Q=q R=r=Ř=ř S=s=ß=Ś=ś=Ş=ş=Š=š sh ss sz

utf8mb4_unicode_ci P=p Q=q R=r=Ř=ř S=s=Ś=ś=Ş=ş=Š=š sh ss=ß sz

可以看到utf8mb4_general_ci中S=ß，而utf8mb4_unicode_ci中ss=ß 。

使用utf8mb4_bin可以将上面的字符区分开来。

貌似general_ci 也快不了多少，所以更推荐unicode_ci。

大小写敏感

utf8mb4_general_cs 大小写敏感

utf8mb4_bin 大小写敏感

但貌似不存在utf8_unicode_cs ，可能是算法决定的吧？

utf8mb4_bin 列大小写不敏感方法

需求

插入的时候Uman 和Umān和uman 看做不同的单词。

查询的时候Uman 和Umān和uman 都能同时查出来。

解决方案

create table test_utf8_bin_ci

( u8 varchar(50) charset utf8mb4 collate utf8mb4_unicode_ci,

u8_bin_ci varchar(50) charset utf8mb4 collate utf8mb4_bin as (lower(u8)) unique

);

insert into test_utf8_bin_ci (u8)

values ('A'),('Ä'),('Å'),('Â'),('Á'),('À');

根据需求，插入数据时：

Uman 和Umān 看做不同的单词，所以要utf8_bin.

Uman 和 uman看做相同的单词，所以添加unique约束，在utf8_bin区分大小写的情况下，使用low() 函数使其不区分大小写。

查询时：

查询u8列，utf8mb4_unicode_ci不区分大小写、不区分a和ā。都能查出来。