utf8mb4 是什么？MySQL 中文网站和 Emoji 支持应该怎样配置

发表时间： 2026-10-22 12:00:01 人气：34 次

在支持中文、日文、生僻字以及 Emoji 的网站中，字符集配置看起来只是数据库初始化时的一行参数，实际上却会贯穿数据库、数据表、字段、程序连接和网页输出整个链路。任何一个环节仍然使用不合适的字符集，都可能出现中文乱码、Emoji 无法保存、查询排序异常，甚至在数据迁移过程中发生内容损失。

对于新项目来说，MySQL 官方推荐使用 utf8mb4。需要特别注意的是，MySQL 里的 utf8 并不等同于完整的 UTF-8，它历史上对应的是 utf8mb3，只能表示 Unicode 基本多文种平面中的字符，无法覆盖需要四字节 UTF-8 表示的补充字符。MySQL 8.0 已将 utf8mb3 标记为弃用，并建议新应用使用 utf8mb4。

UTF8MB4到底解决了什么问题

utf8mb4 是 MySQL 对 UTF-8 编码的完整实现，可以使用一到四个字节表示 Unicode 字符。普通英文字符通常只需要一个字节，许多中文字符需要三个字节，而部分中文、日文、韩文字符以及 Emoji 等补充字符可能需要四个字节。

这也是为什么一些网站能够正常保存中文，却在用户输入 Emoji 后出现 Incorrect string value。如果数据库字段仍然采用 utf8mb3，它无法表示四字节字符。

因此，新网站通常没有必要为了所谓的“节省几个字节”而主动采用 utf8mb3。MySQL 已经明确建议新应用使用 utf8mb4，而 utf8mb3 本身也处于弃用状态。

这里还有一个经常出现的 PHP 错误。mb_strlen() 并不是按照字节计算长度；它会根据指定的字符编码计算字符数，多字节字符通常按一个字符计算。例如：

$text = "中国😊";

echo strlen($text);
echo mb_strlen($text, 'UTF-8');

strlen() 返回的是字符串的字节长度，而 mb_strlen() 返回的是字符长度。因此，不能说“UTF8MB4 下必须使用 mb_convert_encoding() 才能统计字符数”。如果只是统计 UTF-8 字符数量，通常直接使用 mb_strlen($text, 'UTF-8') 即可。

如果需要按照用户感知的“字素簇”统计字符，例如某些 Emoji 由多个 Unicode code point 组合而成，则还需要考虑 grapheme_strlen() 等更高层次的处理方式。

数据库应该怎样配置

创建新数据库时，可以明确指定 utf8mb4：

CREATE DATABASE mydb
DEFAULT CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;

如果使用 MySQL 8.0，这个排序规则就是 utf8mb4 的默认排序规则。MySQL 8.0 默认服务器字符集已经是 utf8mb4，默认排序规则是 utf8mb4_0900_ai_ci。

如果网站需要兼容较老的 MySQL 版本，也可以根据实际环境使用：

utf8mb4_unicode_ci

因此不能简单地说 utf8mb4_unicode_ci 在所有环境中都是唯一的“推荐方案”。对于 MySQL 8.0 新项目，应首先了解 utf8mb4_0900_ai_ci；如果需要兼容旧版本或已有数据库体系，则可以继续使用 utf8mb4_unicode_ci。

可以通过下面的命令检查数据库设置：

SHOW CREATE DATABASE mydb;

也可以检查服务器默认配置：

SHOW VARIABLES LIKE 'character_set%';
SHOW VARIABLES LIKE 'collation%';

需要注意，服务器默认值并不会自动修改已经存在的数据库、表和字段。MySQL 8.0 从旧版本升级时，也不会自动把已有数据库对象全部转换成新的字符集。

表和字段应该怎样设置

创建表时，可以把 utf8mb4 设置为表级默认字符集：

CREATE TABLE comments (
id INT PRIMARY KEY AUTO_INCREMENT,
content TEXT
) ENGINE=InnoDB
DEFAULT CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;

这里有一个重要概念：TEXT 并不会因为数据类型本身而默认使用 latin1。如果字段没有单独指定字符集和排序规则，它通常继承所在表的字符集和排序规则。MySQL 对列字符集的选择存在明确的继承规则。

如果确实需要单独指定字段，也可以写成：

content TEXT
CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci

但对于一个整体采用 utf8mb4 的表，没有必要给每一个文本字段重复写一遍。

InnoDB 通常是现代 MySQL 网站的默认选择，它支持事务、外键以及 InnoDB FULLTEXT 等功能。不过，字符集和存储引擎是两个不同的问题，不能因为网站需要 Emoji 就认为必须使用某个特定存储引擎。

PHP连接MySQL时不要忽略连接字符集

数据库和字段配置正确，并不代表程序连接就一定正确。

PDO 可以直接在 DSN 中指定：

$dsn = "mysql:host=localhost;dbname=mydb;charset=utf8mb4";

$options = [
PDO::ATTR_ERRMODE => PDO::ERRMODE_EXCEPTION,
PDO::ATTR_DEFAULT_FETCH_MODE => PDO::FETCH_ASSOC
];

$pdo = new PDO($dsn, 'user', 'password', $options);

连接字符集的意义在于告诉 MySQL 客户端和服务器之间应该怎样解释传输的数据。MySQL 对字符串字面量和连接字符集也有明确的处理规则，因此连接层不能被忽略。

如果网站出现：

Incorrect string value

不要只检查数据库本身。应该沿着整个数据链检查：

数据库默认字符集 → 表字符集 → 字段字符集 → MySQL连接字符集 → PHP字符串编码 → HTTP响应 → HTML页面。

其中任何一层存在不一致，都可能造成问题。

Emoji并不需要特殊的数据库“Emoji模式”

只要数据库、字段和连接真正使用 utf8mb4，Emoji 就属于正常的 Unicode 字符，并不存在一个额外的“Emoji 开关”。

可以直接进行测试：

INSERT INTO comments (content)
VALUES ('中文测试 😊 🚗 🌎');

SELECT content
FROM comments;

如果能够正确保存和读取，说明数据库这一层已经能够处理这些字符。

网页端则应该声明 UTF-8：

HTTP响应也可以明确指定：

header('Content-Type: text/html; charset=UTF-8');

UTF-8 和 utf-8 在字符集名称表示上不存在所谓“旧浏览器必须使用大写 UTF-8”的规则，大小写并不是 Emoji 能否显示的关键。真正重要的是页面实际编码、HTTP响应声明以及浏览器对数据的正确解码。

另外，不能简单说 htmlspecialchars() 会把 Emoji “转换成 Unicode 编码”。htmlspecialchars() 主要用于 HTML 特殊字符转义，例如 <、>、&、引号等。正常的 Emoji 并不会因为调用这个函数就自动变成某种 Unicode 转义形式。

例如：

echo htmlspecialchars($content, ENT_QUOTES, 'UTF-8');

在把用户输入输出到 HTML 页面时，这样做通常仍然是必要的。它解决的是 HTML 注入和特殊字符转义问题，而不是 Emoji 编码问题。

已有数据库从旧字符集迁移怎么办

如果已经存在 latin1、utf8mb3 等旧表，不能简单执行一句命令就认为所有历史数据都安全完成转换。

例如：

ALTER TABLE comments
CONVERT TO CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;

这个命令可以让 MySQL 转换表及相关字符列，但如果原数据本身已经发生乱码、经过错误编码转换或者存在无法正确映射的内容，改变字符集并不能自动修复历史损坏的数据。MySQL 官方也明确提醒，字符集转换过程中如果字符集之间无法兼容，可能发生数据损失。

因此生产环境迁移之前，应当先进行完整备份，并在测试数据库验证：

SELECT id, content
FROM comments
LIMIT 100;

同时抽查中文、生僻字、Emoji、多语言内容以及历史特殊符号。

对于大型生产表，也不能简单断言“CONVERT TO CHARACTER SET 一定会锁表”然后给出一个固定停机方案。具体影响取决于 MySQL 版本、表结构、DDL算法、索引以及运行环境。大表迁移应该按照实际版本和业务负载选择合适的在线 DDL、分阶段迁移或者专门的数据迁移方案。

utf8mb4会不会让数据库明显变慢

字符集选择确实会影响字符串存储、索引大小以及部分排序和比较操作，但不能简单得出“用了 utf8mb4_unicode_ci 就应该避免 LIKE”这样的结论。

LIKE 是否能够有效利用索引，首先取决于查询模式、索引结构、选择性以及优化器的执行计划。例如：

WHERE title LIKE 'mysql%'

与：

WHERE title LIKE '%mysql%'

完全是两种不同的查询场景。

真正需要关注的是 EXPLAIN 或 EXPLAIN ANALYZE 的执行计划，而不是因为使用了 utf8mb4 就禁止 LIKE。

同样，文本字段是否应该建立索引，也应该结合查询需求和字段长度决定。对于 VARCHAR、TEXT 等不同类型，索引设计需要考虑索引长度、查询方式和数据库版本。

utf8mb4和VARCHAR、TEXT应该怎样选择

utf8mb4 并不意味着所有文本都必须使用 TEXT。

例如标题、用户名、标签等长度明确的字段，通常可以使用合适长度的 VARCHAR：

title VARCHAR(255)
CHARACTER SET utf8mb4

文章正文、评论正文等长度可能较大的内容，则可以根据实际需求使用 TEXT、MEDIUMTEXT 等类型。

需要注意的是，VARCHAR(255) 中的 255 是字符长度概念，而实际占用空间还受到字符编码以及存储格式影响。使用 utf8mb4 后，单个字符最多可能占用四个字节，因此设计索引时不能只看字符数量。

对于现代 MySQL 应用，也没有必要为了节省空间而主动把某些普通文本字段改成已经进入弃用状态的 utf8mb3。MySQL 官方已经建议新应用使用 utf8mb4。

字符集不是网站安全的全部

正确使用 utf8mb4 可以减少字符编码错误，但它本身并不能解决 SQL 注入、XSS 或其他安全问题。

数据库操作仍然应该使用参数化查询：

$stmt = $pdo->prepare(
"INSERT INTO comments (content) VALUES (:content)"
);

$stmt->execute([
':content' => $content
]);

网页输出时，则应该根据输出上下文进行正确的 HTML 转义。

此外，数据库账户也不应该让网站程序长期使用 root。生产环境应使用权限范围尽可能小的专用数据库账户。

字符编码解决的是“数据怎样正确表示和传输”，输入验证、参数化查询、输出编码和权限控制解决的是另外一组安全问题。把这些概念混在一起，反而容易造成错误的安全假设。

一个实用的UTF8MB4配置原则

对于新的中文网站，如果使用现代 MySQL 8.0，可以把配置思路简化成几个层次。

数据库使用：

CHARACTER SET utf8mb4

排序规则根据 MySQL 版本和业务兼容性选择，例如 MySQL 8.0 可以使用：

utf8mb4_0900_ai_ci

PHP PDO连接明确指定：

charset=utf8mb4

HTML页面声明：

用户输入写入数据库使用预处理语句，输出到 HTML 时按照 HTML 上下文进行转义。

如果是已有系统，则不要看到 utf8 三个字就直接执行大规模转换。首先确认实际字符集：

SHOW CREATE DATABASE mydb;
SHOW CREATE TABLE comments;
SHOW FULL COLUMNS FROM comments;

再检查连接：

SHOW VARIABLES LIKE 'character_set%';
SHOW VARIABLES LIKE 'collation%';

最后抽样检查真实数据。

UTF8MB4真正重要的地方，不是“把数据库改成四字节”这么简单，而是让数据库、字段、连接、程序和网页对同一套 Unicode 数据形成完整的数据链。对于新项目，直接采用 utf8mb4 通常是最省事的方案；对于老系统，则应该先确认数据现状，再规划迁移。这样既可以正常处理中文和 Emoji，也能避免因为字符集误配置而留下乱码、数据损失和索引设计问题。

分享 Facebook | X | Whatsapp | Linkedin

捐助（Paypal）: https://www.paypal.me/observeccp
订阅中国观察电报 Telegram : https://t.me/s/ObserveCCP

责任编辑：雨轩来源：中国观察转载请注明作者、出处並保持完整。

今日热点:

更多新闻...

近期焦点:

推荐文章

胡春华缺席长征纪念大会五中全会前高层动向再受关注

中共二十届五中全会即将召开之际，全国政协副主席胡春华的公开活动情况引发外界关注。10月22日，北京人民大会堂举行纪念中国工农红军长征胜利90周年大会，习近平...

2026年10月23日　 4501

阅读全文 →

睡得好，成绩可能真的会更好：研究揭示睡眠与学生学习表现之间的联系

对于许多学生来说，熬夜已经成为学习生活的一部分。考试前临时抱佛脚、晚上刷手机、赶作业、准备考试，甚至通宵学习，在一些学校和大学校园并不少见。然而，一系列研究...

2026年8月16日　 17262

阅读全文 →

查非法投票为何遭法院叫停川普政府与左派司法体系的权力之争

发表：2026-10-22 20:37:16 | 更新：2026-10-22 20:37:16 人气: 10950

【中国观察2026年10月22日讯】
美国11月中期选举临近，川普政府打击非公民非法投票的调查行动遭遇新的司法阻力。10月21日，加州北区联邦地区法院法官阿拉塞莉·马丁内斯-奥尔金（Araceli Martínez-Olguín）下令，限制国土安全部在加州、康涅狄格州、乔治亚州、密苏里州、内华达州、纽约州、宾夕法尼亚州、华盛顿州和威斯康辛州开展特定选举相关现场调查。禁令暂缓生效至10月23日下午，以便联邦政府寻求上诉。

这场争议最值得追问的，不是政府有没有权力调查非法投票，而是法院究竟认定哪些具体调查措施可能违法，以及为了避免误伤合法公民，是否有必要把相关行动限制到如此广泛的程度。假如执法人员确实采用了不可靠的数据，法院要求纠正调查程序有其法律依据；但如果政府仅仅因为调查对象存在身份核查疑点就被禁止采取合理的调查行动，司法审查也可能在实际效果上削弱选举执法。

法院究竟禁止了什么

首先必须厘清一个事实：这项裁决并没有宣布调查非公民非法投票本身违法。

根据美国哥伦比亚广播公司（CBS News）10月22日的报道，马丁内斯-奥尔金限制的是涉及或可能涉及美国公民的选举相关现场行动和访谈。禁令还针对仅仅依据国土安全部选民匹配政策生成的有缺陷资料、却没有进一步调查核实便开展的相关行动。

法官援引《投票权法》第11(b)条。该条款禁止以恐吓、威胁或胁迫的方式干扰选民，以及协助选民投票或开展选民动员的人士。原告包括加州护士协会、全国护士联合会、Voto Latino基金会，以及旧金山市和圣克拉拉县。他们主张，联邦执法人员上门询问居民的移民身份和投票记录，已经使参与选民教育和投票动员的人士感到担忧，并影响他们继续开展相关工作。

法官认为，原告提出的证据足以支持其关于调查方式可能违反相关法律的主张。她同时指出，政府使用的数据库可能错误地把美国公民列为非公民，而美国没有一套能够完整、准确确认所有居民当前公民身份的联邦数据库。

因此，这并非一项没有说明理由的禁令。法院提出了具体法律条款、数据准确性问题，以及执法行动可能对选民参与产生的影响。

但这还没有回答最关键的问题：这些证据是否足以支持对九个州的相关现场调查采取如此广泛的限制？这正是应该继续审查的司法边界。

从数据错误到限制执法，中间需要什么证据

政府使用数据库调查涉嫌非法投票，并不意味着每一条匹配记录都准确。已经入籍的美国公民可能仍然留有旧的非公民身份记录，姓名、地址和出生日期的差异也可能造成错误匹配。将这些线索直接当作违法证据，显然不够严谨。

但是，数据库存在错误与整个调查行动违法，是两个不同的命题。

如果一名调查对象的资料存在疑点，政府可以通过进一步核实身份、检查正式记录和调查具体投票行为来确认事实。如果发现当事人已经入籍，就应当排除错误怀疑；如果掌握可靠证据表明有人违反选举法，则应当依法继续调查。

真正需要审查的是，联邦政府是否在明知数据存在重大缺陷的情况下，仍然把未经核实的名单当作执法对象，以及现场调查是否具有恐吓、威胁或阻碍合法选民参与投票的实际效果。

如果法院掌握了证据，证明政府的调查方法正在造成法律所禁止的干扰，那么限制这些具体行为具有合理的法律基础。反过来，如果法院仅凭数据可能出错，就推定所有相关调查都会违法，那么裁决的范围就可能超出防止侵权所必需的程度。

因此，判断司法干预是否过度，不能只看禁令影响了多少州，而要看每一项限制与法院认定的违法风险之间是否存在充分联系。

不能让法律变成“莫须有”，也不能让执法免于审查

中国历史上的岳飞案之所以成为冤案的象征，在于罪名缺乏充分、可靠的事实依据，却被权力用于打击特定对象。将这一历史教训用于分析美国司法案件，关键不是把法官直接比作陷害忠良的人，而是追问：任何掌握权力的机构，是否提出了能够经受检验的事实与法律依据？

这一标准既适用于行政部门，也适用于法院。

川普政府不能只凭打击非法投票的正当目标，就要求所有调查手段获得无条件认可。调查对象是否具有公民身份、数据库是否准确、执法人员采取了什么行动，都需要证据支持。

同样，法院也不能仅仅因为政府的调查可能产生错误，就不加区分地限制所有相关执法。司法禁令应当明确指出受到限制的行为、适用条件、法律依据及其范围。若政府能够证明某些调查经过独立身份核验，且没有涉及法官所认定的违法风险，那么这些调查是否仍然受到禁令约束，就应当根据裁决文本作出判断。

从目前公开的裁决报道看，马丁内斯-奥尔金并未禁止所有非法投票调查，而是对涉及或可能涉及美国公民的特定现场行动，以及仅依据有缺陷数据开展的相关调查作出限制。因此，不能把本案直接说成法院凭空捏造罪名，也不能因为法院引用了法律条文，就认定禁令的范围必然恰当。

法官的政治背景值得关注，但不能代替法律分析

马丁内斯-奥尔金由拜登总统提名，并于2023年经参议院确认。她不是奥巴马任命的法官。她的职业经历和法律理念可以成为了解其司法立场的背景，却不能单独证明她此次裁决是出于党派动机。

美国联邦司法系统确实受到总统提名和参议院确认程序的影响，不同政府任命的法官也可能对行政权、个人权利及联邦权限采取不同解释。川普政府与部分联邦法院之间的冲突，因而具有政治层面的意义。

然而，要证明所谓“左派司法反扑”，还必须进一步检验裁决的法律论证、禁令范围、对政府证据的处理，以及上诉法院是否认可其结论。单凭裁决结果不利于川普政府，不能直接推定法官是在故意保护非法投票者。

真正值得警惕的，是任何一方把法律程序变成政治工具：行政部门不能以选举诚信为名，任意调查合法公民；司法部门也不能以保护公民权利为名，在缺乏充分依据的情况下不必要地阻断合法执法。

上诉程序应当回答什么

这项裁决是初步禁令，并非案件全部争议已经经过最终审判。联邦政府可以提出上诉，要求更高层级法院审查法官对法律条文、证据和禁令范围的理解是否正确。

上诉审查尤其应当回答三个问题：第一，政府使用的资料是否存在足以影响调查合法性的重大缺陷；第二，原告是否提供了足够证据，证明相关行动可能违反《投票权法》；第三，即使部分调查措施存在问题，对九个州相关现场行动的限制是否与已经证明的风险相称。

如果法院认定政府的调查方法确实存在违法风险，却认为禁令过于宽泛，就可以要求缩小限制范围，而不是在全面放任和全面禁止之间二选一。政府也可以通过改进数据核查、明确调查标准和加强身份复核，争取恢复合法调查的空间。

美国选举制度既需要防止非公民非法投票，也需要确保合法公民不会因为行政错误而受到不当调查。两项责任并不矛盾。真正的法治，不是让行政部门不受限制，也不是让法院拥有不受质疑的权力，而是要求每一项强制措施都能说明依据，每一项司法禁令都能解释边界。

这场案件最终要检验的，正是这一原则能否得到贯彻：如果政府的调查确实违法，就应当明确指出违法之处并依法纠正；如果某些调查措施合法，法院也不应仅凭笼统的风险判断将其一并阻断。只有把事实、法律和限制范围逐一说清楚，才能避免选举诚信成为政治口号，也避免保护公民权利沦为不受审查的权力。

本文由中国观察編輯部原创。为了促进信息自由传播，本平台原创内容全面开放转载，无须申请授权，只需注明来源、保留原文链接，即可全文转载、引用、翻译。我们不追究版权，只在乎公正的传播。

捐助（Paypal）: https://www.paypal.me/observeccp
订阅中国观察电报 Telegram : https://t.me/s/ObserveCCP

最近文章: