为何MySQL中BIT_LENGTH函数返回中文字符占2字节？

环境信息 #

MySQL版本：Ver 8.0.34 for Win64 on x86_64 (MySQL Community Server - GPL)

函数定义 #

BIT_LENGTH(str)：返回字符串str的比特长度。若str为NULL则返回NULL。

测试过程 #

直接执行字符串计算 #

执行SQL语句：

select BIT_LENGTH('你好')/8;

得到结果：

+----------------------+
| BIT_LENGTH('你好')/8 |
+----------------------+
|               4.0000 |
+----------------------+

表中字段计算 #

创建表并添加名为Hello的列，插入你好后，执行：

select Hello from chinese_test;

得到结果：

+-------+
| Hello |
+-------+
| NULL  |
| NULL  |
| NULL  |
| 你好  |
+-------+

执行：

select LENGTH(Hello) from chinese_test;

得到结果：

+---------------+
| LENGTH(Hello) |
+---------------+
|          NULL |
|          NULL |
|          NULL |
|             6 |
+---------------+

问题解答 #

核心差异来自字符串字面量和表字段的字符集/编码规则不同：

• 直接使用字符串字面量时，你的MySQL会话大概率采用了gbk或gb2312这类双字节中文编码，这类编码下一个中文字符占用2字节，你好共2个字符，总字节数为4，因此BIT_LENGTH('你好')/8返回4.0000。
• 表中Hello字段的字符集应为utf8mb4（MySQL默认UTF-8编码），这类编码下一个中文字符占用3字节，你好总字节数为6，所以LENGTH(Hello)返回6。

BIT_LENGTH的计算完全依赖字符串实际存储的字节数，而字节数由当前上下文的字符集决定：会话字符集控制字面量的编码，表字段的字符集控制存储时的编码。你可以执行show variables like '%character_set%';查看当前会话和数据库的字符集配置，验证这一结论。

内容的提问来源于stack exchange，提问作者Berg Pss