MySQLの文字コード事情

2017春版

NSEG #87 MySQL

2017/05/13

とみたまさひろ

自己紹介

最近の活動

  • Software Design 2016年6月号
    • 「MySQLでデータベースを作ってみよう!」
  • Software Design 2016年9月号
    • 「MySQL 4つのログの使いどころ」
  • Software Design 2016年12月号
    • 「Rubyと文字コード」
    • 「MySQLと文字コード」
  • Software Design 2017年7月号(予定)

  • mysql.gr.jp ドメイン料支払い

MySQLの文字コード事情

MySQLで文字コードというと Character set(Charset)

Character set ?

語源的には文字集合

文字集合

US-ASCII
数字、英字、32個の記号
JIS X 0201
US-ASCII(「\」→「¥」/「~」→「‾」)+カタカナ
JIS X 0208
数字、ひらがな、カタカナ、漢字、ラテン文字、ギリシャ文字、記号等々
JIS X 0213
JIS X 0208 + 第三水準/第四水準、ローマ数字、鼻濁音文字等々

文字集合

Windows-31J
JIS X 0201 + JIS X 0208 + NEC特殊文字 + IBM拡張文字(「⑧」「Ⅷ」「㈱」「髙」「﨑」「彅」等)
Unicode
世界中の文字。絵文字(「🍺」「🍣」等)も含む。

あれ?

「CP932」とか「UTF-8」は?

エンコーディング

文字符号化方式

文字集合の文字をコンピュータで利用できるバイト列に変換する方式

エンコーディング

Encoding 文字集合 用途
ISO-2022-JP US-ASCII, JIS X 0201(ラテン文字), JIS X 0208 メール
EUC-JP US-ASCII, JIS X 0201(カナ文字),
JIS X 0208, JIS X 0212
昔のUNIX
SHIFT_JIS JIS X 0201, JIS X 0208  
Windows-31J
CP932
Windows-31J Windows

エンコーディング

Encoding 文字集合 1文字のサイズ
UTF-8 Unicode 1〜4バイト
UTF-16 Unicode 2バイト
UTF-32 Unicode 4バイト

Charset ≒ エンコーディング

(MySQLに限らない)

MySQLのCharset

mysql> SHOW CHARACTER SET;
+----------+---------------------------------+---------------------+--------+
| Charset  | Description                     | Default collation   | Maxlen |
+----------+---------------------------------+---------------------+--------+
| big5     | Big5 Traditional Chinese        | big5_chinese_ci     |      2 |
| dec8     | DEC West European               | dec8_swedish_ci     |      1 |
| cp850    | DOS West European               | cp850_general_ci    |      1 |
| hp8      | HP West European                | hp8_english_ci      |      1 |
| koi8r    | KOI8-R Relcom Russian           | koi8r_general_ci    |      1 |
| latin1   | cp1252 West European            | latin1_swedish_ci   |      1 |
| latin2   | ISO 8859-2 Central European     | latin2_general_ci   |      1 |
| swe7     | 7bit Swedish                    | swe7_swedish_ci     |      1 |
| ascii    | US ASCII                        | ascii_general_ci    |      1 |
| ujis     | EUC-JP Japanese                 | ujis_japanese_ci    |      3 |
| sjis     | Shift-JIS Japanese              | sjis_japanese_ci    |      2 |
| hebrew   | ISO 8859-8 Hebrew               | hebrew_general_ci   |      1 |
| tis620   | TIS620 Thai                     | tis620_thai_ci      |      1 |
| euckr    | EUC-KR Korean                   | euckr_korean_ci     |      2 |
| koi8u    | KOI8-U Ukrainian                | koi8u_general_ci    |      1 |
| gb2312   | GB2312 Simplified Chinese       | gb2312_chinese_ci   |      2 |
| greek    | ISO 8859-7 Greek                | greek_general_ci    |      1 |
| cp1250   | Windows Central European        | cp1250_general_ci   |      1 |
| gbk      | GBK Simplified Chinese          | gbk_chinese_ci      |      2 |
| latin5   | ISO 8859-9 Turkish              | latin5_turkish_ci   |      1 |
| armscii8 | ARMSCII-8 Armenian              | armscii8_general_ci |      1 |
| utf8     | UTF-8 Unicode                   | utf8_general_ci     |      3 |
| ucs2     | UCS-2 Unicode                   | ucs2_general_ci     |      2 |
| cp866    | DOS Russian                     | cp866_general_ci    |      1 |
| keybcs2  | DOS Kamenicky Czech-Slovak      | keybcs2_general_ci  |      1 |
| macce    | Mac Central European            | macce_general_ci    |      1 |
| macroman | Mac West European               | macroman_general_ci |      1 |
| cp852    | DOS Central European            | cp852_general_ci    |      1 |
| latin7   | ISO 8859-13 Baltic              | latin7_general_ci   |      1 |
| utf8mb4  | UTF-8 Unicode                   | utf8mb4_general_ci  |      4 |
| cp1251   | Windows Cyrillic                | cp1251_general_ci   |      1 |
| utf16    | UTF-16 Unicode                  | utf16_general_ci    |      4 |
| utf16le  | UTF-16LE Unicode                | utf16le_general_ci  |      4 |
| cp1256   | Windows Arabic                  | cp1256_general_ci   |      1 |
| cp1257   | Windows Baltic                  | cp1257_general_ci   |      1 |
| utf32    | UTF-32 Unicode                  | utf32_general_ci    |      4 |
| binary   | Binary pseudo charset           | binary              |      1 |
| geostd8  | GEOSTD8 Georgian                | geostd8_general_ci  |      1 |
| cp932    | SJIS for Windows Japanese       | cp932_japanese_ci   |      2 |
| eucjpms  | UJIS for Windows Japanese       | eucjpms_japanese_ci |      3 |
| gb18030  | China National Standard GB18030 | gb18030_chinese_ci  |      4 |
+----------+---------------------------------+---------------------+--------+
41 rows in set (0.00 sec)

日本語が使えてASCII互換のは ujis, sjis, eucjpms, cp932, utf8, utf8mb4

MySQL Charset

charset 文字集合 エンコーディング
ujis JIS X 0201 + 0208 EUC-JP
sjis JIS X 0201 + 0208 SHIFT_JIS
eucjpms Windows-31J EUC-JP風
cp932 Windows-31J Windows-31J
utf8 Unicode UTF-8
utf8mb4 Unicode UTF-8

今なら普通はUnicode

  • 世界中のほぼすべての文字を扱える
  • 絵文字も使える
  • 世の中もう普通にユニコード
  • 文字コード変換とか考えなくていい
  • 文字化けしない

utf8 ? utf8mb4 ?

utf8 と utf8mb4

  • utf8: 1文字 1〜3バイト (U+0000〜U+FFFF)
    utf8mb3 という別名あり
  • utf8mb4: 1文字 1〜4バイト(U+0000〜U+1FFFFF)
  • UTF-8 は普通1〜4バイト
    utf8 / utf8mb4 の違いは MySQL のみ
  • ほとんどの日本語文字は3バイト
  • 一部の漢字と絵文字等が4バイト

4バイトになる JIS X 0213 の文字

𠀋𡈽𡌛𡑮𡢽𠮟𡚴𡸴𣇄𣗄𣜿𣝣𣳾𤟱𥒎𥔎𥝱𥧄𥶡𦫿𦹀𧃴𧚄𨉷𨏍𪆐𠂉𠂢𠂤𠆢𠈓𠌫𠎁𠍱𠏹 𠑊𠔉𠗖𠘨𠝏𠠇𠠺𠢹𠥼𠦝𠫓𠬝𠵅𠷡𠺕𠹭𠹤𠽟𡈁𡉕𡉻𡉴𡋤𡋗𡋽𡌶𡍄𡏄𡑭𡗗𦰩𡙇𡜆𡝂𡧃 𡱖𡴭𡵅𡵸𡵢𡶡𡶜𡶒𡶷𡷠𡸳𡼞𡽶𡿺𢅻𢌞𢎭𢛳𢡛𢢫𢦏𢪸𢭏𢭐𢭆𢰝𢮦𢰤𢷡𣇃𣇵𣆶𣍲𣏓𣏒 𣏐𣏤𣏕𣏚𣏟𣑊𣑑𣑋𣑥𣓤𣕚𣖔𣘹𣙇𣘸𣘺𣜜𣜌𣝤𣟿𣟧𣠤𣠽𣪘𣱿𣴀𣵀𣷺𣷹𣷓𣽾𤂖𤄃𤇆𤇾 𤎼𤘩𤚥𤢖𤩍𤭖𤭯𤰖𤴔𤸎𤸷𤹪𤺋𥁊𥁕𥄢𥆩𥇥𥇍𥈞𥉌𥐮𥓙𥖧𥞩𥞴𥧔𥫤𥫣𥫱𥮲𥱋𥱤𥸮𥹖 𥹥𥹢𥻘𥻂𥻨𥼣𥽜𥿠𥿔𦀌𥿻𦀗𦁠𦃭𦉰𦊆𦍌𣴎𦐂𦙾𦚰𦜝𦣝𦣪𦥑𦥯𦧝𦨞𦩘𦪌𦪷𦱳𦳝𦹥𦾔 𦿸𦿶𦿷𧄍𧄹𧏛𧏚𧏾𧐐𧑉𧘕𧘔𧘱𧚓𧜎𧜣𧝒𧦅𧪄𧮳𧮾𧯇𧲸𧶠𧸐𧾷𨂊𨂻𨊂𨋳𨐌𨑕𨕫𨗈𨗉 𨛗𨛺𨥉𨥆𨥫𨦇𨦈𨦺𨦻𨨞𨨩𨩱𨩃𨪙𨫍𨫤𨫝𨯁𨯯𨴐𨵱𨷻𨸟𨸶𨺉𨻫𨼲𨿸𩊠𩊱𩒐𩗏𩙿𩛰𩜙 𩝐𩣆𩩲𩷛𩸽𩸕𩺊𩹉𩻄𩻩𩻛 𩿎𪀯𪀚𪃹𪂂𢈘𪎌𪐷𪗱𪘂𪘚𪚲

4バイトになる絵文字(一部)

😀😁😂😃😄😅😆😇😈😉😊😋😌😍😎😏😐😑😒😓😔😕😖😗😘😙😚😛😜😝😞😟😠😡😢😣😤😥😦 😧😨😩😪😫😬😭😮😯😰😱😲😳😴😵😶😷😸😹😺😻😼😽😾😿🙀🙁🙂🙃🙄🙅🙆🙇🙈🙉🙊🙋🙌🙍 🙎🙏🌀🌁🌂🌃🌄🌅🌆🌇🌈🌉🌊🌋🌌🌍🌎🌏🌐🌑🌒🌓🌔🌕🌖🌗🌘🌙🌚🌛🌜🌝🌞🌟🌠🌡🌤🌥 🌦🌧🌨🌩🌪🌫🌬🌭🌮🌯🌰🌱🌲🌳🌴🌵🌶🌷🌸🌹🌺🌻🌼🌽🌾🌿🍀🍁🍂🍃🍄🍅🍆🍇🍈🍉🍊🍋🍌 🍍🍎🍏🍐🍑🍒🍓🍔🍕🍖🍗🍘🍙🍚🍛🍜🍝🍞🍟🍠🍡🍢🍣🍤🍥🍦🍧🍨🍩🍪🍫🍬🍭🍮🍯🍰🍱🍲🍳 🍴🍵🍶🍷🍸🍹🍺🍻🍼🍽🍾🍿🎀🎁🎂🎃🎄🎅🎆🎇🎈🎉🎊🎋🎌🎍🎎🎏🎐🎑🎒🎓🎖🎗🎙🎚🎛🎞🎟🎠 🎡🎢🎣🎤🎥🎦🎧🎨🎩🎪🎫🎬🎭🎮🎯🎰🎱🎲🎳🎴🎵🎶🎷🎸🎹🎺🎻🎼🎽🎾🎿🏀🏁🏂🏃🏄🏅🏆🏇🏈 🏉🏊🏋🏌🏍🏎🏏🏐🏑🏒🏓🏔🏕🏖🏗🏘🏙🏚🏛🏜🏝🏞🏟🏠🏡🏢🏣🏤🏥🏦🏧🏨🏩🏪🏫🏬🏭🏮🏯 🏰🏳🏴🏵🏷🏸🏹🏺🏻🏼🏽🏾🏿🐀🐁🐂🐃🐄🐅🐆🐇🐈🐉🐊🐋🐌🐍🐎🐏🐐🐑🐒🐓🐔🐕🐖🐗🐘🐙 🐚🐛🐜🐝🐞🐟🐠🐡🐢🐣🐤🐥🐦🐧🐨🐩🐪🐫🐬🐭🐮🐯🐰🐱🐲🐳🐴🐵🐶🐷🐸🐹🐺🐻🐼🐽🐾🐿👀 👁👂👃👄👅👆👇👈👉👊👋👌👍👎👏👐👑👒👓👔👕👖👗👘👙👚👛👜👝👞👟👠👡👢👣👤👥👦👧👨👩 👪👫👬👭👮👯👰👱👲👳👴👵👶👷👸👹👺👻👼👽👾👿💀💁💂💃💄💅💆💇💈💉💊💋💌💍💎💏💐 💑💒💓💔💕💖💗💘💙💚💛💜💝💞💟💠💡💢💣💤💥💦💧💨💩💪💫💬💭💮💯💰💱💲💳💴💵 💶💷💸💹💺💻💼💽💾💿📀📁📂📃📄📅📆📇📈

MySQLのCharset

  • サーバー
  • クライアント
  • サーバー/クライアント間の接続
  • データベース毎
  • テーブル毎
  • カラム毎

…を全部別々に設定できる(嫌な予感しかしない)

ハマりたくなければ全部統一

サーバー Charset

  • 新規に作成するデータベースのCharsetのデフォルト
  • これさえ指定しておけばだいたいOK
  • mysqld の起動オプション
    --character-set-server=utf8mb4
  • my.cnf の [mysqld] セクション
    character-set-server = utf8mb4
  • サーバー変数 character_set_server

データベース Charset

  • 配下に作成するテーブルのCharsetのデフォルト値

  • サーバーCharsetと同じであれば指定しなくてもいい

  • 作成: CREATE DATABASE db CHARSET utf8mb4;

  • 確認: SHOW CREATE DATABASE db;

  • 変更: ALTER DATABASE db CHARSET utf8mb4;

  • 変更しても既存のテーブルCharsetは変更されない

テーブル Charset

  • テーブル内カラムのCharsetのデフォルト値
  • データベースCharsetと同じであれば指定する必要はない

  • 作成: CREATE TABLE tbl (...) CHARSET utf8mb4;

  • 確認: SHOW CREATE TABLE tbl;

テーブル Charset

  • テーブル属性だけ変更:
    ALTER TABLE tbl CHARSET utf8mb4;

    • 既存のカラムのcharsetは変更されない
  • 全カラムとデータの変換:
    ALTER TABLE tbl CONVERT TO CHARSET utf8mb4;

    • utf8 で作ってしまったテーブルを utf8mb4 に変換とか

カラム Charset

  • テーブルCharsetと同じであれば指定する必要はない

  • 作成: CREATE TABLE tbl (col VARCHAR(10) CHARSET utf8mb4, ...);

  • 確認: SHOW CREATE TABLE tbl;

  • 変更: ALTER TABLE tbl MODIFY col VARCHAR(10) CHARSET utf8mb4;

  • 変更するとカラム内のデータも変換される

クライアント Charset

  • クライアント内での文字列処理と
    サーバーとの接続Charsetに使用される

  • 指定方法はプログラム/言語に依存

    mysql --default-character-set=utf8mb4

  • プログラムによっては my.cnf の [client] セクションが有効

    [client]
    loose-default-character-set = utf8mb4
    

    「loose-」をつけておくとそのパラメータを知らないプログラムは無視してくれる

クライアント Charset

  • mysqld との接続毎に異なる

  • mysql コマンドでOKでも他のアプリからはNGかもしれない

  • 何も指定しなければ latin1

Charset の確認

mysql> SHOW VARIABLES LIKE '%char%';
+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | utf8mb4                    |
| character_set_connection | utf8mb4                    |
| character_set_database   | utf8mb4                    |
| character_set_filesystem | binary                     |
| character_set_results    | utf8mb4                    |
| character_set_server     | utf8mb4                    |
| character_set_system     | utf8                       |
| character_sets_dir       | /usr/share/mysql/charsets/ |
+--------------------------+----------------------------+

mysql コマンド

  • mysql コマンドのデフォルトCharsetは auto

  • システムロケール(LC_ALL, LC_CTYPE, LANG 環境変数等)により値が決定

  • LANG=ja_JP.UTF-8 の場合は utf8 になる
    utf8mb4 ではない

  • LANG=C の場合は latin1 になる

utf8 と utf8mb4 の混在で起きること

utf8接続から4バイト文字を参照

クライアントが扱えない文字は「?」になる

mysql> SELECT str FROM tbl;
+-------+
| str   |
+-------+
| ?と?  |     ← '🍣と🍺'
| ?と?  |     ← '?と?'
+-------+

バイト列を見れば違いがわかる

mysql> SELECT HEX(str) FROM tbl;
+------------------------+
| HEX(str)               |
+------------------------+
| F09F8DA3E381A8F09F8DBA | ← '🍣と🍺'
| 3FE381A83F             | ← '?と?'
+------------------------+

utf8接続から4バイト文字を登録

文字化けして登録されちゃう

mysql> INSERT INTO tbl (str) VALUES ('🍣と🍺');
Query OK, 1 row affected, 2 warnings (0.05 sec)

mysql> SELECT str,HEX(str) FROM tbl;
+-------------+------------------------+
| str         | HEX(str)               |
+-------------+------------------------+
| ????と????  | 3F3F3F3FE381A83F3F3F3F |
+-------------+------------------------+

sql_mode

  • MySQLはおかしなことしてもあまりエラーにならない(余計なお世話)

  • sql_mode でちゃんとエラーにしてくれる

mysql> SET sql_mode='STRICT_ALL_TABLES';

mysql> INSERT INTO tbl (str) VALUES ('🍣と🍺');
ERROR 1366 (HY000): Incorrect string value:
 '\xF0\x9F\x8D\xA3\xE3\x81...' for column 'str' at row 1

sql_mode

MySQL 5.7 からはデフォルト

mysql> SELECT @@sql_mode
ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,
NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,
NO_ENGINE_SUBSTITUTION

🍣=🍺 問題

🍣と🍺以外でも

mysql> SELECT '🐰'='🐢';
+---------+
| '?'='?' |
+---------+
|       1 |
+---------+
mysql> SELECT '🍛'='💩';
+---------+
| '?'='?' |
+---------+
|       1 |
+---------+

実は未知の文字�扱い

‘🍣’=’🍺’=’�’

Collation

Collation

  • 文字の照合規則・照合順序
  • Charset 毎に Collation がある
  • Charset の指定は Charset のデフォルトの Collation を指定するのと同じ

Collation 一覧

mysql> SHOW COLLATION LIKE 'utf8mb4%';
+------------------------+---------+-----+---------+----------+---------+
| Collation              | Charset | Id  | Default | Compiled | Sortlen |
+------------------------+---------+-----+---------+----------+---------+
| utf8mb4_general_ci     | utf8mb4 |  45 | Yes     | Yes      |       1 |
| utf8mb4_bin            | utf8mb4 |  46 |         | Yes      |       1 |
| utf8mb4_unicode_ci     | utf8mb4 | 224 |         | Yes      |       8 |
| utf8mb4_icelandic_ci   | utf8mb4 | 225 |         | Yes      |       8 |
| utf8mb4_latvian_ci     | utf8mb4 | 226 |         | Yes      |       8 |
| utf8mb4_romanian_ci    | utf8mb4 | 227 |         | Yes      |       8 |
| utf8mb4_slovenian_ci   | utf8mb4 | 228 |         | Yes      |       8 |
| utf8mb4_polish_ci      | utf8mb4 | 229 |         | Yes      |       8 |
| utf8mb4_estonian_ci    | utf8mb4 | 230 |         | Yes      |       8 |
| utf8mb4_spanish_ci     | utf8mb4 | 231 |         | Yes      |       8 |
| utf8mb4_swedish_ci     | utf8mb4 | 232 |         | Yes      |       8 |
| utf8mb4_turkish_ci     | utf8mb4 | 233 |         | Yes      |       8 |
| utf8mb4_czech_ci       | utf8mb4 | 234 |         | Yes      |       8 |
| utf8mb4_danish_ci      | utf8mb4 | 235 |         | Yes      |       8 |
| utf8mb4_lithuanian_ci  | utf8mb4 | 236 |         | Yes      |       8 |
| utf8mb4_slovak_ci      | utf8mb4 | 237 |         | Yes      |       8 |
| utf8mb4_spanish2_ci    | utf8mb4 | 238 |         | Yes      |       8 |
| utf8mb4_roman_ci       | utf8mb4 | 239 |         | Yes      |       8 |
| utf8mb4_persian_ci     | utf8mb4 | 240 |         | Yes      |       8 |
| utf8mb4_esperanto_ci   | utf8mb4 | 241 |         | Yes      |       8 |
| utf8mb4_hungarian_ci   | utf8mb4 | 242 |         | Yes      |       8 |
| utf8mb4_sinhala_ci     | utf8mb4 | 243 |         | Yes      |       8 |
| utf8mb4_german2_ci     | utf8mb4 | 244 |         | Yes      |       8 |
| utf8mb4_croatian_ci    | utf8mb4 | 245 |         | Yes      |       8 |
| utf8mb4_unicode_520_ci | utf8mb4 | 246 |         | Yes      |       8 |
| utf8mb4_vietnamese_ci  | utf8mb4 | 247 |         | Yes      |       8 |
+------------------------+---------+-----+---------+----------+---------+
26 rows in set (0.00 sec)

utf8mb4 の Collation

  • utf8mb4_bin
  • utf8mb4_general_ci
  • utf8mb4_unicode_ci
  • utf8mb4_unicode_520_ci
  • utf8mb4_言語_ci
  • utf8mb4_japanese_ci は無い

「ci」は Case Insensitive(大文字小文字を区別しない)の意味らしい

utf8mb4_bin

  • varchar(n) binary
  • 全文字を区別する(Aa, 🍣≠🍺)

utf8mb4_general_ci

  • utf8mb4 Charset のデフォルト Collation
  • 大文字小文字を区別しない(A=a, =)
  • 全角半角は区別する(A)
  • 絵文字を区別しない(🍣=🍺)

utf8mb4_unicode_ci

utf8mb4_unicode_520_ci

  • Unicode Collation Algorithm 5.2.0
  • 大文字小文字を区別しない(A=a, =, =)
  • 全角半角も区別しない(A=)
  • 絵文字を区別する(🍣≠🍺)
  • ひらがな、カタカナ、濁点有無、全角、半角を区別しない(は=ば=ぱ=ハ=バ=パ=ハ)

utf8mb4_*

Collation A : a 🍣 : 🍺 は : ば
ぱ : ハ
や : ゃ
general_ci = =
bin
unicode_ci = = = =
unicode_520_ci = = =

utf8mb4_*

Collation A : a 🍣 : 🍺 は : ば
ぱ : ハ
や : ゃ
general_ci = =
bin
unicode_ci = = = =
unicode_520_ci = = =
ぼくたちが欲しかった
japanese_ci
=

寿司=ビール問題 : MySQL 8.0でのUTF8サポート入門(MySQL Server Blogより)

https://yakst.com/ja/posts/4405

私たちは日本語の照合順序の追加も計画中です。日本語は興味深い言語であり、私たちの照合順序のエキスパートであるXing ZhangとBernt Marius Johnsenが、今後のブログ記事でもっと詳しく説明するはずです。

2017/1/13の記事(の翻訳)

MySQL 8 (開発中)

mysql> SELECT collation_name FROM collations
WHERE character_set_name='utf8mb4' AND
collation_name LIKE '%ja%';
+-----------------------+
| collation_name        |
+-----------------------+
| utf8mb4_ja_0900_as_cs |
+-----------------------+

utf8mb4_*

Collation A : a 🍣 : 🍺 は : ば
ぱ : ハ
や : ゃ
general_ci = =
bin
unicode_ci = = = =
unicode_520_ci = = =
0900_ai_ci = = =
0900_as_cs
ja_0900_as_cs

ちょっと期待したのとは違う

正式リリースまでに変わるかも

デフォルトのCollation

MySQL 5.7

mysql> SELECT collation_name, is_default FROM collations
WHERE character_set_name='utf8mb4' and is_default='Yes';
+--------------------+------------+
| collation_name     | is_default |
+--------------------+------------+
| utf8mb4_general_ci | Yes        |
+--------------------+------------+

MySQL 8

+--------------------+------------+
| collation_name     | is_default |
+--------------------+------------+
| utf8mb4_0900_ai_ci | Yes        |
+--------------------+------------+

MySQL 8 の utf8mb4 はデフォルトで

「ハハ=パパ=ババ」

「びょういん=びよういん」

まとめ

  • ふつうは utf8mb4
  • サーバーとクライアントの両方で Charset を指定
  • sql_mode をちゃんと設定
  • Collation は適切に
  • MySQL 8 でデフォルトが変わる