我有一些带有 utf8mb4 字段的 MySQL 表，还有一些带有 utf8 字段的 MySQL 表。
在所有表的 PDO 连接字符串中使用 utf8mb4 是否安全？还是我必须将所有内容都转换为 utf8mb4，或者启动两个不同的 PDO 连接？
编辑：问题不是 “我可以将 4 字节字符存储到 utf8 列中吗？” 我们已经知道我们不能，这不取决于连接，所以如果一个列是 utf8，这意味着它不会接收 4 字节字符，例如国家或货币代码、电子邮件地址、用户名……输入由应用程序验证。
【问题讨论】：
标签： php mysql pdo utf-8 utf8mb4
这可以很容易地使用以下脚本进行测试：
<?php
$pdo = new PDO('mysql:host=localhost;dbname=test', 'test', '');
$pdo->exec("
drop table if exists utf8_test;
create table utf8_test(
conn varchar(50) collate ascii_bin,
column_latin1 varchar(50) collate latin1_general_ci,
column_utf8 varchar(50) collate utf8_unicode_ci,
column_utf8mb4 varchar(50) collate utf8mb4_unicode_ci
);
");
$latin = 'abc äŒé';
$utf8 = '♔♕';
$mb4 = '? ?';
$pdo->exec("set names utf8");
$pdo->exec("
insert into utf8_test(conn, column_latin1, column_utf8, column_utf8mb4)
values ('utf8', '$latin', '$latin $utf8', '$latin $utf8 $mb4')
");
$pdo->exec("set names utf8mb4");
$pdo->exec("
insert into utf8_test(conn, column_latin1, column_utf8, column_utf8mb4)
values ('utf8mb4', '$latin', '$latin $utf8', '$latin $utf8 $mb4')
");
$result = $pdo->query('select * from utf8_test')->fetchAll(PDO::FETCH_ASSOC);
var_export($result);
结果如下：
array (
0 =>
array (
'conn' => 'utf8',
'column_latin1' => 'abc äŒé',
'column_utf8' => 'abc äŒé ♔♕',
'column_utf8mb4' => 'abc äŒé ♔♕ ???? ????',
),
1 =>
array (
'conn' => 'utf8mb4',
'column_latin1' => 'abc äŒé',
'column_utf8' => 'abc äŒé ♔♕',
'column_utf8mb4' => 'abc äŒé ♔♕ ? ?',
),
)
如您所见，当我们使用utf8mb4 列时，我们不能使用utf8 作为连接字符集（请参阅????）。但是在使用utf8 列时，我们可以使用utf8mb4 进行连接。写入和读取latin 或ascii 列也没有问题。
原因是您可以在utf8mb4 中编码任何utf8、latin 或ascii 字符，但反之则不行。所以在这种情况下使用utf8mb4作为连接字符集是安全的。
【讨论】：
utf8（3 字节）字符运行测试。
简短回答： 是的，如果您只使用 3 字节（或更短）的 UTF-8 字符。
或者... 否，如果您打算使用 4 字节 UTF-8 字符，例如 ???。
长答案：
（我将解释为什么“不”可能是正确答案。）
连接确定客户端正在使用什么编码。
列上的CHARACTER SET（或默认情况下，来自表）确定可以将什么编码放入列中。
CHARACTER SET utf8 是utf8mb4 的子集。也就是说，utf8（通过连接或列）可以接受的所有字符都可以为utf8mb4 接受。换句话说，MySQL 的utf8mb4（与外界的UTF-8 相同）具有完整的 4 字节 utf-8 编码，比 MySQL 最多 3 字节的 utf8 包含更多的 Emoji、更多的中文等（又名“BMP”）
（从技术上讲，utf8mb4 最多只能处理 4 个字节，但UTF-8 可以处理更长的字符。但是，我怀疑在我的一生中是否会出现 5 个字节的字符。）
因此，假设连接为 utf8mb4 且表中的列仅为 utf8，则客户端中任何 3 字节（或更短）的 UTF-8 字符会发生以下情况：每个字符都进出服务器没有转换，没有错误。注意：问题出现在INSERT，而不是SELECT；但是，在您执行SELECT 之前，您可能不会注意到问题。
但是，如果您在客户端中有表情符号怎么办？现在你会得到一个错误。 （或截断的字符串）（或问号）这是因为 4 字节的 Emoji（例如?）无法压缩到 3 字节的“utf8”（或“1 字节 latin1”或... )。
如果您运行的是 5.5 或 5.6，您可能会遇到 767（或 191）问题。我在here 中提供了几种解决方法。没有一个是完美的。
至于反转（utf8 连接但 utf8mb4 列）：如果您设法将一些 4 字节字符放入表中，SELECT 可能会遇到麻烦。
“官方来源”——祝你好运。我花了十年时间试图梳理字符处理的来龙去脉，然后将其简化为可操作的句子。大部分时间都在想我有所有的答案，结果却遇到了另一个失败的测试用例。常见情况在Trouble with UTF-8 characters; what I see is not what I stored 中列出。但是，这并不能直接解决您的问题！
来自评论
mysql> SHOW CREATE TABLE emoji\G
*************************** 1. row ***************************
Table: emoji
Create Table: CREATE TABLE `emoji` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`text` varchar(255) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb4
1 row in set (0.00 sec)
mysql> insert into emoji (text) values ("abc");
Query OK, 1 row affected (0.01 sec)
mysql> show variables like 'char%';
+--------------------------+----------------------------+
| Variable_name | Value |
+--------------------------+----------------------------+
| character_set_client | utf8 |
| character_set_connection | utf8 |
| character_set_database | utf8mb4 |
| character_set_filesystem | binary |
| character_set_results | utf8 |
| character_set_server | utf8mb4 |
| character_set_system | utf8 |
| character_sets_dir | /usr/share/mysql/charsets/ |
+--------------------------+----------------------------+
8 rows in set (0.00 sec)
上面说“连接”（认为“客户端”）使用的是 utf8，而不是 utf8mb4。
mysql> insert into emoji (text) values ("???"); -- 4-byte Emoji
Query OK, 1 row affected, 1 warning (0.00 sec)
mysql> show warnings;
+---------+------+----------------------------------------------------------------------------------+
| Level | Code | Message |
+---------+------+----------------------------------------------------------------------------------+
| Warning | 1366 | Incorrect string value: '\xF0\x9F\x98\x85\xF0\x9F...' for column 'text' at row 1 |
+---------+------+----------------------------------------------------------------------------------+
1 row in set (0.00 sec)
现在，将“连接”更改为utf8mb4：
mysql> SET NAMES utf8mb4;
Query OK, 0 rows affected (0.00 sec)
mysql> insert into emoji (text) values ("???");
Query OK, 1 row affected (0.01 sec)
mysql> SELECT * FROM emoji;
+----+--------------+
| id | text |
+----+--------------+
| 1 | ? ? ? ? |
| 2 | abc |
| 3 | ???????????? | -- from when "utf8" was in use
| 4 | ??? | -- Success with utf8mb4 in use
+----+--------------+
4 rows in set (0.01 sec)
【讨论】：
简短回答：否，这不安全。
如果您的数据包含utf8mb4 字符并且您使用的是 MySQL utf8 字符集连接，那么您将遇到问题，因为 MySQL utf8 字符集仅支持 BMP 字符（最多 3 个字节字符）。
我的建议是将所有表转换为 utf8mb4 以获得完整的 UTF-8 支持。此外，utf8mb4 与utf8 向后兼容。
【讨论】：