答案：创建MySQL数据库时应使用utf8mb4字符集和utf8mb4_unicode_ci排序规则以支持完整Unicode，包括中文、表情符号等。在创建数据库时通过CREATE DATABASE指定CHARACTER SET utf8mb4和COLLATE utf8mb4_unicode_ci；建表时也应显式声明字符集，避免继承问题。MySQL的utf8是伪UTF-8，仅支持3字节字符，无法存储表情符号等4字节内容，而utf8mb4才是真正的UTF-8，推荐所有新项目使用。修改现有数据库需先备份，再用ALTER DATABASE、ALTER TABLE CONVERT TO修改表字符集，注意索引长度限制从767字节（utf8）变为767字节（utf8mb4），可能导致VARCHAR(255)超限，需调整为VARCHAR(191)。客户端连接时必须设置SET NAMES 'utf8mb4'或在连接参数中指定charset=utf8mb4，确保character_set_client、connection、results一致，防止乱码。操作生产数据前务必在测试环境验证，并选择低峰期执行。
要在MySQL中创建UTF-8字符集的数据库，核心在于指定正确的字符集（
CHARACTER SET）和排序规则（
COLLATE）。这确保了数据库能够正确存储和处理各种语言的文本，包括中文、日文、韩文以及表情符号等。通常，我们推荐使用
utf8mb4而非
utf8，因为
utf8mb4是真正的UTF-8编码，支持所有Unicode字符，而MySQL的
utf8实际上只支持最大3字节的UTF-8字符。
解决方案
创建
utf8mb4字符集数据库的完整流程，其实没那么复杂，但有些细节你得注意。最直接的方式就是在创建数据库时就明确指定。我个人的习惯是，只要是新项目，一律直接上
utf8mb4，省得以后出幺蛾子。
首先，最基础的创建语句是这样的：
CREATE DATABASE your_database_name CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
这里，
your_database_name是你想创建的数据库名称。
CHARACTER SET utf8mb4告诉MySQL这个数据库的默认字符集是
utf8mb4。
COLLATE utf8mb4_unicode_ci则指定了排序规则。
unicode_ci是一个比较通用的、不区分大小写的排序规则，对于大多数应用场景来说都够用了。如果你有更特殊的排序需求，比如对特定语言的精确排序，可能需要选择其他
COLLATE，比如
utf8mb4_bin（区分大小写，按二进制值排序）或者针对特定语言的
COLLATE。不过，一般情况下，
utf8mb4_unicode_ci是个稳妥的选择。
需要注意的是，这个设置只是数据库的默认值。当你在该数据库下创建表时，如果表没有明确指定字符集和排序规则，它会继承数据库的设置。同理，如果表的字段也没有明确指定，它会继承表的设置。为了确保万无一失，我通常建议在创建表和关键字段（尤其是
VARCHAR、
TEXT类型）时也明确指定字符集和排序规则，避免任何潜在的继承问题。
例如，创建一个表：
CREATE TABLE users (
id INT AUTO_INCREMENT PRIMARY KEY,
username VARCHAR(255) NOT NULL,
email VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci, -- 也可以在这里单独指定
bio TEXT
) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;你看，即使数据库是
utf8mb4，我在
CREATE TABLE语句的末尾也再次指定了。这是一种防御性编程的思路，虽然有点冗余，但能有效避免一些意想不到的问题。
MySQL中utf8和utf8mb4有什么区别？我应该选择哪个？
说实话，这是个老生常谈的问题，但直到今天，我还会看到有人因为搞不清这个而踩坑。简单来说，MySQL里那个名字叫
utf8的字符集，它并不是完整的UTF-8。它只能存储最大3个字节的UTF-8字符。这意味着什么呢？很多我们现在日常使用的字符，比如各种表情符号（emojis），或者一些比较生僻的汉字、日韩文字，它们实际上需要4个字节来表示。如果你用了MySQL的
utf8，这些4字节字符就存不进去，轻则报错，重则直接变成问号或者乱码。
而
utf8mb4，顾名思义，是“UTF-8 Multi-Byte 4”。它才是真正的、完整的UTF-8编码，能够支持所有Unicode字符，包括那些需要4个字节来表示的字符。
所以，我的建议非常明确：现在开始，所有新项目，无脑选择utf8mb4
。
为什么呢？
-
未来兼容性： 互联网内容越来越丰富，表情符号、特殊符号的使用无处不在。谁能保证你的应用未来不会涉及到这些？一开始就用
utf8mb4
，可以省去将来字符集转换的麻烦和风险。 -
避免乱码： 这是最直接的好处。当你从其他系统导入数据，或者用户输入了包含4字节字符的内容时，
utf8mb4
能够确保数据被正确存储和显示，避免恼人的乱码问题。 -
行业标准： 现代应用开发，
utf8mb4
几乎已经是标配了。跟着主流走，能让你少走很多弯路。
当然，
utf8mb4相比
utf8可能会占用稍微多一点的存储空间（因为每个字符最多可能占用4字节，而
utf8最多3字节）。但在绝大多数场景下，这点存储开销几乎可以忽略不计，与它带来的便利性和稳定性相比，完全值得。
如何在现有MySQL数据库或表中更改字符集为utf8mb4？
这事儿就有点复杂了，尤其是对于生产环境的数据库，操作起来要格外小心，务必提前做好完整备份！ 我见过太多因为字符集转换失败导致数据损坏的案例了。
更改现有数据库或表的字符集，通常需要以下几个步骤：
本书全面介绍PHP脚本语言和MySOL数据库这两种目前最流行的开源软件，主要包括PHP和MySQL基本概念、PHP扩展与应用库、日期和时间功能、PHP数据对象扩展、PHP的mysqli扩展、MySQL 5的存储例程、解发器和视图等。本书帮助读者学习PHP编程语言和MySQL数据库服务器的最佳实践，了解如何创建数据库驱动的动态Web应用程序。
-
修改数据库的默认字符集： 这只是修改了数据库的默认设置，对已存在的表和列没有直接影响，但会影响之后创建的新表。
ALTER DATABASE your_database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
-
修改表的字符集和排序规则： 这一步会修改表本身的字符集，并且会尝试转换表中的数据。
ALTER TABLE your_table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
需要注意的是，
CONVERT TO
语句会重建表。如果表很大，这个操作可能会比较耗时，并且会锁定表。在执行前，最好在测试环境充分测试。 -
修改列的字符集和排序规则： 这是最关键也最容易出错的一步。特别是对于
VARCHAR
、CHAR
、TEXT
等存储文本数据的列，必须单独进行修改。ALTER TABLE your_table_name MODIFY your_column_name VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
这里有个大坑要注意：MySQL在
utf8mb4
下，索引的最大长度是767字节（对于InnoDB），而utf8
是1023字节。如果你之前有个VARCHAR(255)
的列，在utf8
下，它可能占用255 * 3 = 765
字节（如果全都是3字节字符），可以被索引。但如果你把它改成utf8mb4
，它可能占用255 * 4 = 1020
字节，这就超过了767字节的索引限制。所以，你可能需要将VARCHAR(255)
缩短到VARCHAR(191)
（191 * 4 = 764字节），以确保索引仍然有效。这个细节，很多人都会忽略，直到报错才发现。为了自动化这个过程，你可能需要编写一个脚本来遍历所有表和所有文本列进行修改。例如，你可以查询
information_schema.COLUMNS
来获取所有需要修改的列。
总结一下转换的注意事项：
- 备份！备份！备份！ 重要的事情说三遍。
- 测试环境先行： 在生产环境操作前，务必在与生产环境数据量和配置相似的测试环境进行完整测试。
-
停机维护： 转换过程可能需要锁定表，最好选择业务低峰期进行，或者考虑使用在线DDL工具（如
pt-online-schema-change
）来减少停机时间。 -
索引长度： 检查并调整
VARCHAR
列的长度，以避免索引长度超限问题。
客户端连接MySQL时字符集配置需要注意什么？
即便你的MySQL数据库和表都设置成了完美的
utf8mb4，如果客户端连接时没有正确配置字符集，你依然会遇到乱码问题。这就像你有一个很好的音响系统，但输入的是噪音信号，出来的自然也是噪音。
MySQL客户端和服务器之间进行数据传输时，会涉及三个关键的字符集变量：
character_set_client
：客户端发送SQL语句和数据到服务器时使用的字符集。character_set_connection
：服务器在处理客户端发来的SQL语句时，认为这些语句的字符集是什么。character_set_results
：服务器将查询结果返回给客户端时使用的字符集。
理想情况下，这三个变量都应该与你的数据库和客户端应用程序使用的字符集保持一致，也就是
utf8mb4。
最常见的做法，是在客户端连接到MySQL服务器后，立即执行一条SQL命令来设置这些变量：
SET NAMES 'utf8mb4';
这条语句实际上是同时设置了
character_set_client、
character_set_connection和
character_set_results为
utf8mb4。这是确保客户端与服务器之间字符集一致性的最简单有效的方法。
如果你使用的是编程语言连接MySQL，通常会在连接字符串或连接参数中指定字符集。
-
Python (PyMySQL/mysql-connector-python):
import pymysql conn = pymysql.connect(host='localhost', user='root', password='your_password', database='your_database_name', charset='utf8mb4', # 这里指定 cursorclass=pymysql.cursors.DictCursor) -
Java (JDBC): 在JDBC连接URL中添加
useUnicode=true&characterEncoding=UTF-8
。对于utf8mb4
，通常UTF-8
就足够了，因为Java的UTF-8
是完整的。String url = "jdbc:mysql://localhost:3306/your_database_name?useUnicode=true&characterEncoding=UTF-8&serverTimezone=UTC"; Connection conn = DriverManager.getConnection(url, "root", "your_password");
-
PHP (PDO): 在DSN（Data Source Name）中指定
charset=utf8mb4
。$dsn = 'mysql:host=localhost;dbname=your_database_name;charset=utf8mb4'; $pdo = new PDO($dsn, 'root', 'your_password');
我的经验是： 无论你用什么语言或框架，一定要找到它连接MySQL时设置字符集的地方，并且明确地将其设置为
utf8mb4。很多时候，客户端默认的字符集可能不是
utf8mb4（甚至不是
utf8），这就会导致你数据库里存的是对的，但取出来或者存进去的时候就乱了。搞清楚客户端这边的配置，是解决字符集问题链条上的最后一环，也是非常容易被忽视的一环。
