用Unicode迎接未来

     项目中使用了emoji，然后，问题产生了，后端MySQL数据库无法存储emoji字符，悲了个剧。

     emoji是Unicode字符集的子集，Unicode的使用应该非常普遍了，怎么会遇到这种问题呢？这还要从头说起。

     Unicode是为了解决全球字符的统一编码，用这一个字符集就能够容纳得下全球各语种的字符和特殊符号。与之相应的是GB-2312或GBK这种国标编码，用于对中文字符进行编码的。如今用GB-2312编码越来越少了。

     可是Unicode仅仅是二进制编码，字符的转换和传输还是须要再定义交换码，这就是通常所说的UTF-8、UTF-16、UTF-32……用于对二进制格式的Unicode字符进行字符表示的编码，最经常使用的是UTF-8。

     再来说UTF-8，它是变长的编码，採用1-6个字节来编码一个Unicode字符，比方Ascii码就用1个字节，汉字通经常使用3个字节，emoji是4个字节。

     问题就出在这了。早期，MySQL支持3个字节的UTF8编码存储，所以一直相安无事。可是随着Unicode的发展，emoji大量的使用，非常多字符须要用4个字节的UTF8编码才干表示了，于是出现了这些字符进入MySQL数据库中被截断或者是乱码的现象。

     处理的办法是把MySQL升级到5.5.4以上，升级字符集为utf8mb4。

     就在今天，Unicode发布了7.0新标准，至少新增了2834个字符，包含新的emoji表情符，以后要盯着Unicode了，用全球化眼光处理问题，未来会少一些麻烦。

——欢迎转载，请注明原文出处 http://blog.csdn.net/caowenbin ——

——欢迎关注微信号“曹文斌的软件思考”，共同探讨软件人生——