UTF-8编码下PostgreSQL的VARCHAR长度判定规则解析

PostgreSQL官方文档明确说明，VARCHAR(n)是最多可存储n个字符（而非字节）的类型，"字符"的具体定义取决于数据库的编码。我们以UTF-8编码场景为例展开讨论：

核心问题 #

当指定VARCHAR(n)类型时，PostgreSQL定义的"字符"究竟指什么？在其他语言中验证字符串能否存入VARCHAR(n)时，实际需要检查什么？

基础情况：单码点字符 #

部分UTF-8码点需要多字节存储，例如😀需要4字节（十六进制0xf09f9880），但PostgreSQL会将其视为1个字符，因此可以插入VARCHAR(1)类型的字段。

复杂场景：组合可视字符 #

单个可视字符可能由多个UTF-8码点组成，例如🇦🇶（南极旗）由U+1F1E6和U+1F1F6两个码点构成，二者组合形成一个完整的可视字符。

实际验证结论 #

测试显示，PostgreSQL在UTF-8编码下的"字符"本质是UTF-8码点：将😀插入VARCHAR(1)可行，但插入由两个码点组成的🇦🇶则会失败，因为它会被计数为2个字符。

目前没有更复杂的特殊规则，PostgreSQL对VARCHAR(n)的字符计数严格基于UTF-8码点的数量，而非视觉上的单个字符或字节数。

内容的提问来源于stack exchange，提问作者ouroboring