为何MariaDB 10.2中RLIKE会匹配4字节表情符号？

问题现象 #

执行以下SQL时，本应仅匹配问号字符的正则表达式^[?]+$，却匹配了4字节表情符号😃，返回结果为1（匹配成功）：

(root@127.0.0.1:3306) [test]> select '😃' RLIKE '^[?]+$';
+-----------------------------------+
| '\xF0\x9F\x98\x83' RLIKE '^[?]+$' |
+-----------------------------------+
|                                 1 |
+-----------------------------------+
1 row in set (0,00 sec)

当前数据库排序规则均为utf8mb4_general_ci：

(root@127.0.0.1:3306) [test]> SHOW VARIABLES LIKE 'collation%';
+----------------------+--------------------+
| Variable_name        | Value              |
+----------------------+--------------------+
| collation_connection | utf8mb4_general_ci |
| collation_database   | utf8mb4_general_ci |
| collation_server     | utf8mb4_general_ci |
+----------------------+--------------------+
3 rows in set (0,00 sec)

原因 #

MariaDB中RLIKE/REGEXP的匹配行为会受当前字符集排序规则的影响：

• utf8mb4_general_ci是通用排序规则，它的字符等价映射逻辑比较宽松，会将部分Unicode字符（包括你测试的这个4字节表情符号）与问号?视为“等价字符”，导致正则字符类[?]会匹配到这些被归为等价的字符。
• 这种等价匹配是排序规则的设计特性，目的是简化某些场景下的字符比较，但在正则精确匹配时会带来意外结果。

解决办法 #

1. 使用二进制匹配（临时方案） #

在正则表达式前添加BINARY修饰符，强制按字符的原始字节值进行精确匹配，忽略排序规则的等价映射：

select '😃' RLIKE BINARY '^[?]+$';

执行后会返回0，即不匹配表情符号，仅匹配问号。

2. 更换更严格的排序规则（长期方案） #

将数据库/表/列的排序规则更换为utf8mb4_unicode_ci或更现代的规则（如MariaDB 10.3+支持的utf8mb4_unicode_520_ci），这类排序规则的字符等价映射更符合Unicode标准，不会将表情符号与问号归为一类。

修改数据库排序规则的示例：

ALTER DATABASE test CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

注意：修改排序规则可能影响已有数据的查询结果，建议先做测试再批量修改。

3. 改用REGEXP_LIKE函数（若版本支持） #

MariaDB 10.0.5及以上支持REGEXP_LIKE函数，可通过指定c（大小写敏感，且按字符精确匹配）修饰符实现精确匹配：

SELECT REGEXP_LIKE('😃', '^[?]+$', 'c');

该语句同样会返回0，实现预期的精确匹配效果。

内容的提问来源于stack exchange，提问作者Ela