VillageSQL is a drop-in replacement for MySQL with extensions.
All examples on this page work on VillageSQL. Install Now →
utf8mb4 — O Padrão Certo
Use sempreutf8mb4. O utf8 do MySQL (sem o mb4) é uma codificação de 3 bytes que não consegue armazenar caracteres Unicode de 4 bytes — o que inclui emojis, muitos caracteres chineses e vários símbolos. utf8mb4 é a codificação UTF-8 completa.
utf8, migrar para utf8mb4 exige converter o banco de dados, as tabelas e as colunas.
Referência rápida de conjuntos de caracteres
A coluna de custo trata do trabalho necessário para corrigir uma escolha errada depois, não do custo de desempenho do charset em si. O
latin1 é a armadilha: ele aceita qualquer valor de byte sem erro, então os dados ruins entram em silêncio e só aparecem quando você tenta exibi-los ou convertê-los.
Collations
A collation determina a ordem de classificação e o comportamento de comparação. Escolhas comuns:utf8mb4_0900_ai_ci é a collation padrão e a melhor escolha de uso geral. Ela trata o Unicode corretamente, não diferencia maiúsculas de minúsculas (ci) e não diferencia acentos (ai). Use utf8mb4_bin somente quando precisar de correspondência exata de bytes.
ci = não diferencia maiúsculas (case-insensitive), cs = diferencia maiúsculas (case-sensitive), ai = não diferencia acentos (accent-insensitive), as = diferencia acentos (accent-sensitive).
Definindo Conjuntos de Caracteres
Na criação do banco de dados:CONVERT TO altera todas as colunas em uma única instrução. Ele reconstrói a tabela, então leva um tempo proporcional ao tamanho da tabela.
Verificando Conjuntos de Caracteres
SHOW CREATE TABLE que não mostram um charset estão herdando o padrão da tabela.
Conjunto de Caracteres da Conexão
O conjunto de caracteres da conexão controla a codificação que o MySQL espera do cliente e usa para literais de string. Defina-o sempre explicitamente:utf8mb4 por padrão, então sobrescritas explícitas raramente são necessárias.
Efeitos da Collation nas Consultas
A collation afetaWHERE, ORDER BY e a unicidade:
Convertendo de utf8 para utf8mb4
Se o seu banco de dados legado usautf8 (3 bytes), converta-o:
utf8mb4 o padrão de novas conexões:
Perguntas Frequentes
Por que o utf8 do MySQL não suporta emojis?
O utf8 do MySQL é um subconjunto não padrão de 3 bytes do UTF-8 que antecede a extensão Unicode de 4 bytes. Os emojis (e muitos outros caracteres Unicode modernos) exigem 4 bytes. utf8mb4 é a implementação completa e correta do UTF-8. O antigo alias utf8 existe somente para compatibilidade retroativa — nunca o use em esquemas novos.
Alterar a collation afeta os dados existentes?
Alterar a collation não altera os bytes armazenados. Altera a forma como esses bytes são comparados e ordenados. Porém, os índices únicos são aplicados usando a collation, então mudar de_bin para _ci pode revelar colisões (Alice e alice passam a ser iguais) que precisam ser resolvidas antes.
Qual collation devo usar?
utf8mb4_0900_ai_ci para a maioria dos casos de uso — é a collation padrão e trata bem o Unicode. Use utf8mb4_bin somente quando precisar de correspondência exata de bytes. Evite utf8mb4_general_ci em projetos novos — ela antecede _0900_ai_ci e trata alguns casos extremos de Unicode incorretamente.
Solução de Problemas
Veja também
- Funções de String do MySQL — funções de string cujo comportamento depende da collation
- utf8mb4 no MySQL: Armazenando Emojis e Unicode Completo — a armadilha utf8 vs utf8mb4 e o armazenamento de emojis
- Diferenciação de maiúsculas e minúsculas no MySQL — o que uma collation decide sobre uma comparação