UTF-8 (Unicode Transformation Format-8) および UTF-8MB4 (UTF-8 Multibyte 4-byte) は、Unicode 文字セットの文字を表すために使用される文字エンコード スキームです。それらの主な違いはエンコード範囲です。
-
UTF-8: UTF-8 は、1 ～ 4 バイトを使用してさまざまな範囲の文字を表現できる可変長エンコーディングです。最も一般的に使用される文字は 1 バイトを使用して表現できますが、まれな文字の中には複数バイトを使用してエンコードする必要があるものもあります。UTF-8 エンコーディングは、Unicode 文字セットで最大 1,112,064 文字を表現できます。
-
UTF-8MB4: UTF-8MB4 は、より広範囲の文字セットをサポートする UTF-8 の拡張機能です。UTF-8MB4 は、1 ～ 4 バイトを使用してさまざまな文字範囲を表現します。UTF-8 と比較すると、範囲を表現するためにいくつかの追加文字が含まれています。UTF-8MB4 は、一部のまれな補助プレーン表現や絵文字表現を含む、Unicode 文字セット内のすべての文字を表すことができます。
一般に、データベース ストレージや Web ページの表示などのテキスト コンテンツを扱う場合は、UTF-8 エンコードを使用することをお勧めします。UTF-8 はほとんどのニーズを満たすことができ、占有スペースも比較的小さいためです。UTF-8MB4 は、絵文字表現を含むテキスト コンテンツを保存するなど、より広範囲の文字セットをサポートする必要があるシナリオに適しています。
UTF-8MB4 エンコードには、より多くのストレージ容量と処理能力が必要であることに注意してください。したがって、データベースを設計するときに、補助フラット文字や絵文字式などの特殊文字をサポートする必要がない場合は、通常、UTF-8 エンコードを使用するのが適切です。より一般的な選択肢です。
要約:
- UTF-8 は、Unicode 文字セットの文字を表すために使用される可変長エンコーディングであり、最大 1,112,064 文字を表すことができます。
- UTF-8MB4 は UTF-8 の拡張機能であり、より広範囲の文字セットをサポートし、補助プレーンや絵文字表現を含む Unicode 文字セット内のすべての文字を表すことができます。
- ほとんどの場合、UTF-8 エンコーディングの使用が一般的であり、十分です。特殊な文字セットを保存または処理する必要がある場合にのみ、UTF-8MB4 エンコードの使用を検討してください。