字符集utf8和utf8mb4的区别

UTF-8 和 UTF-8MB4 都是用于表示字符集的标准编码，它们的主要区别在于对最长字符长度的支持以及在数据库存储方面的应用。

### UTF-8 的特点：

1. **字符编码长度**：UTF-8 使用 1 到 4 字节来表示不同语言的文字，最短的是单字节（例如英文字符），最长的是四字节，适用于广泛的语言文字需求。

- 单个字节范围：00xxxxxx 到 0xFFxxxxxx

2. **兼容性**：由于UTF-8 的这种结构，它在许多场景下都可以提供良好的兼容性，包括文本文件、网络传输等，同时支持基本的ASCII字符集。

3. **存储效率**：对于只包含ASCII字符的数据，UTF-8 的存储效率相对较高，因为它只需要最少的字节数来存储每个字符。

### UTF-8MB4 的特点：

1. **最大字符长度支持**：UTF-8MB4 特别设计来支持更长的字符，特别是用于中文、日文和韩文这样的东亚语言。它的最大字符可以达到四个字节，这使得它可以表示更广泛的东亚语言字符集合。

- 最大字符范围：理论上可以到 `0xFDD0` (东亚扩展区) 或者 `0x10FFFF` (通用多重区间)，其中 `0xE0xx` 到 `0xEFxx` 范围内的代码点需要四个字节来表示。

2. **数据库优化**：在一些数据库系统（如MySQL）中，UTF-8MB4 是默认的Unicode字符集选择之一。它不仅支持更多的字符，而且通常有专门的优化，比如在查询处理上，使其在处理复杂字符串时更加高效。

3. **存储需求**：相比UTF-8，UTF-8MB4 对于包含大量特定语言字符的数据来说，可能会增加存储需求。特别是在那些高度依赖非ASCII字符的数据库表中，使用UTF-8MB4 可能会显著增加磁盘空间消耗。

### 应用情景：

- **网页开发**：UTF-8 广泛应用于网页内容编码，因为它的兼容性和普遍性较好。

- **数据库管理**：对于需要处理大量中文或其他东亚语言文本的应用，如本地化网站、论坛或知识库，选择UTF-8MB4 可以保证更高的性能和更好的显示效果。

- **文本处理软件**：在处理涉及多种语言文本的编辑器或转换工具中，往往需要支持更复杂的字符集，因此会选择使用UTF-8MB4。

总的来说，UTF-8 和 UTF-8MB4 的选择取决于数据的特性、应用程序的需求以及资源的可用性。对于大多数通用用途的文本处理任务，UTF-8 是一个安全且高效的选项；而对于需要处理大量东亚语言文字的特定应用，则建议选用UTF-8MB4 来充分利用其字符支持能力。