MySQL查询Emoji时返回全表 已配置utf8mb4_unicode_ci仍异常
问题根源
这个异常是两个因素叠加导致的,和表本身的存储结构关系不大:
- 现有排序规则天生不支持emoji精确匹配
你给Emoji列配置的utf8mb4_unicode_ci,是为自然语言搜索设计的宽松比对规则,会主动忽略字符的细节差异。对多字节的emoji字符来说,这个规则会忽略变体选择符、甚至不同emoji之间的编码差异,只要通用语义被判定为相近就返回匹配结果,根本做不到严格的等值匹配。 - phpMyAdmin的连接字符集配置不对
大部分默认部署的phpMyAdmin,和MySQL服务端建立连接时用的不是utf8mb4字符集,常见的是仅支持3字节字符的老版utf8,或者单字节的latin1。你在查询窗口输入的emoji在传到服务端的过程中就会被错误转码,变成识别不了的乱码字节。
叠加上前面说的宽松排序规则,这些乱码只要和表里存的emoji多字节字符串长度对上,就会被判定为相等,最后就出现了不管查哪个emoji都返回全表的离谱情况。
对应解决方法
- 每次在phpMyAdmin里跑相关查询前,先执行
SET NAMES utf8mb4;修正连接字符集,从传输层避免emoji被错误转码。 - 把Emoji列的排序规则改成
utf8mb4_bin,走二进制严格比对,从根本上解决宽松匹配的问题——本来emoji的精确匹配场景就不需要模糊排序能力,用bin规则是最稳的。 - 如果你确实需要给emoji列做非二进制的排序能力,可以换成新版的
utf8mb4_0900_ai_ci,它对emoji的区分度比老的utf8mb4_unicode_ci高很多,但如果是做等值过滤,还是bin规则最可靠。
内容的提问来源于stack exchange,提问作者mawaeg
相关产品推荐
相关产品推荐

