UFT-8浅析 与 MySql5.6 插入数据报错 Incorrect string value: '\xF0\xB3\xA4\xB6....'

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码。

• Unicode定义了所有可以用来表示字符的数值集合。
• UTF-8等UTF标准定义了这些数值和字符的映射关系

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则：

• 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
• 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码，多出的位补0。

Unicode/UCS-4	bit数	UTF-8	Byte数	备注
0000 ~ 007F	0~7	0XXX XXXX	1
0080 ~ 07FF	8~11	110X XXXX 10XX XXXX	2
0800 ~ FFFF	12~16	1110XXXX 10XX XXXX 10XX XXXX	3	基本定义范围：0~FFFF
1 0000 ~ 1F FFFF	17~21	1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX	4	Unicode6.1定义范围：0~10 FFFF

而我们的汉字一般占用三字节长度。

反观MySQL5.6的默认UTF-8编码

我们有两种UTF-8格式可以选，一个是utf8 一个是utf8mb4

针对mysql的utf-8只有三字节

针对mysql的后来增加的utf8mb4才是真正的四字节utf8

反观报错信息： Incorrect string value: '\xF0\xB3\xA4\xB6....'

\xF0: 关键就是这个F 他表示1111，因此对应的是UTF-8 四字节编码格式。

所以如果你插入某个字段报错，将这个字段的编码改成utf8mb4就可以了。