MySQL 9.0 发行说明
Unicode 标准包含来自基本多语言平面 (BMP) 的字符和位于 BMP 之外的补充字符。本节介绍 MySQL 中对 Unicode 的支持。有关 Unicode 标准本身的信息，请访问Unicode 联盟网站.
BMP 字符具有以下特点
它们的代码点值介于 0 到 65535（或
U+0000和U+FFFF）之间。它们可以使用可变长度编码进行编码，使用 8、16 或 24 位（1 到 3 字节）。
它们可以使用固定长度编码进行编码，使用 16 位（2 字节）。
它们足以满足大多数主要语言中的几乎所有字符。
补充字符位于 BMP 之外
它们的代码点值介于
U+10000和U+10FFFF）之间。对补充字符的 Unicode 支持需要字符集，这些字符集具有超出 BMP 字符的范围，因此比 BMP 字符占用更多空间（每个字符最多 4 字节）。
UTF-8（带 8 位单元的 Unicode 转换格式）用于编码 Unicode 数据的方法是根据 RFC 3629 实现的，RFC 3629 描述了使用 1 到 4 个字节的编码序列。UTF-8 的理念是，不同的 Unicode 字符使用不同长度的字节序列进行编码
基本拉丁字母、数字和标点符号使用一个字节。
大多数欧洲和中东文字脚本字母适合于 2 字节序列：扩展拉丁字母（带波浪号、长音符、锐音符、重音符和其他重音符号）、西里尔字母、希腊语、亚美尼亚语、希伯来语、阿拉伯语、叙利亚语等。
韩语、汉语和日语象形文字使用 3 字节或 4 字节序列。
MySQL 支持以下 Unicode 字符集
utf8mb4：Unicode 字符集的 UTF-8 编码，每个字符使用 1 到 4 个字节。utf8mb3：Unicode 字符集的 UTF-8 编码，每个字符使用 1 到 3 个字节。此字符集已弃用，将在未来的版本中删除；请改用utf8mb4。utf8：utf8mb3的弃用别名；请改用utf8mb4。注意在未来的 MySQL 版本中，预计
utf8将成为utf8mb4的别名。ucs2：Unicode 字符集的 UCS-2 编码，每个字符使用 2 个字节。已弃用；预计在未来的版本中将删除对该字符集的支持。utf16：Unicode 字符集的 UTF-16 编码，每个字符使用 2 个或 4 个字节。类似于ucs2，但扩展了对补充字符的支持。utf16le：Unicode 字符集的 UTF-16LE 编码。类似于utf16，但使用小端序而不是大端序。utf32：Unicode 字符集的 UTF-32 编码，每个字符使用 4 个字节。
注意
utf8mb3 字符集已弃用，预计将在未来的 MySQL 版本中删除。请改用utf8mb4。utf8 当前是utf8mb3 的别名，但现在已作为别名弃用，预计随后utf8 将成为对utf8mb4 的引用。MySQL 9.0 还将在 Information Schema 表的列以及 SQLSHOW 语句的输出中显示utf8mb3 来代替utf8。
此外，您应该知道，在旧版本的 MySQL 中，使用前缀utf8_ 的排序规则已使用前缀utf8mb3_ 进行了重命名。
为了避免对utf8 的含义产生歧义，请考虑在字符集引用中显式指定utf8mb4。
表 12.2, “Unicode 字符集的一般特征” 总结了 MySQL 支持的 Unicode 字符集的一般特征。
表 12.2 Unicode 字符集的一般特征
| 字符集 | 支持的字符 | 每个字符所需的存储空间 |
|---|---|---|
utf8mb3, utf8 (已弃用) |
仅 BMP | 1、2 或 3 个字节 |
ucs2 |
仅 BMP | 2 个字节 |
utf8mb4 |
BMP 和补充字符 | 1、2、3 或 4 个字节 |
utf16 |
BMP 和补充字符 | 2 个或 4 个字节 |
utf16le |
BMP 和补充字符 | 2 个或 4 个字节 |
utf32 |
BMP 和补充字符 | 4 个字节 |
BMP 之外的字符将作为REPLACEMENT CHARACTER 进行比较，并转换为'?'（当转换为仅支持 BMP 字符的 Unicode 字符集（utf8mb3 或ucs2）时）。
如果您使用支持补充字符的字符集，因此比仅支持 BMP 的utf8mb3 和ucs2 字符集“更宽”，则您的应用程序可能会出现潜在的兼容性问题；请参阅第 12.9.8 节, “在 3 字节和 4 字节 Unicode 字符集之间转换”。该部分还介绍了如何将表从（3 字节）utf8mb3 转换为（4 字节）utf8mb4，以及这样做时可能适用的约束。
大多数 Unicode 字符集都提供了一组类似的排序规则。例如，每个字符集都具有丹麦语排序规则，其名称分别为utf8mb4_danish_ci、utf8mb3_danish_ci（已弃用）、utf8_danish_ci（已弃用）、ucs2_danish_ci、utf16_danish_ci 和utf32_danish_ci。唯一的例外是utf16le，它只有两个排序规则。有关 Unicode 排序规则及其区分属性的信息（包括补充字符的排序规则属性），请参阅第 12.10.1 节, “Unicode 字符集”.
MySQL 中的 UCS-2、UTF-16 和 UTF-32 实现以大端序存储字符，并且在值的开头不使用字节顺序标记 (BOM)。其他数据库系统可能会使用小端序或 BOM。在这种情况下，在这些系统和 MySQL 之间传输数据时，需要对值进行转换。UTF-16LE 的实现是小端序。
MySQL 不对 UTF-8 值使用 BOM。
使用 Unicode 与服务器通信的客户端应用程序应相应地设置客户端字符集（例如，通过发出 SET NAMES 'utf8mb4' 语句）。某些字符集不能用作客户端字符集。尝试使用 SET NAMES 或 SET CHARACTER SET 会产生错误。请参阅 不允许的客户端字符集。
以下部分提供了有关 MySQL 中 Unicode 字符集的更多详细信息。