萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 資料庫 >> MySQL 教學

MySQL LENGTH vs CHAR_LENGTH 字符長度計算差異詳解:編碼感知與統一計數策略

核心差異:字節長度 vs 字符長度

函數計算單位UTF-8 漢字GBK 漢字ASCII 字母/數字
LENGTH()字節321
CHAR_LENGTH() / CHARACTER_LENGTH()字符111

實測驗證

SET NAMES utf8mb4;
SELECT 
    LENGTH('中') AS len_utf8,      -- 3
    CHAR_LENGTH('中') AS clen_utf8; -- 1

SET NAMES gbk;
SELECT 
    LENGTH('中') AS len_gbk,       -- 2
    CHAR_LENGTH('中') AS clen_gbk;  -- 1

編碼背景知識

  • UTF-8:變長編碼,ASCII 1 字節,常用漢字 3 字節,Emoji/生僻字 4 字節
  • GBK:雙字節固定長度(漢字 2 字節),不支持 Emoji
  • utf8mb4:MySQL 真正的 UTF-8,支持 4 字節字符,**生產環境強制標準**

業務場景選型指南

場景 1:字符串長度校驗(如手機號 11 位、身份證 18 位)

-- ✅ 正確:按字符數校驗
WHERE CHAR_LENGTH(phone) = 11

-- ❌ 錯誤:UTF-8 下漢字按 3 字節計算
WHERE LENGTH(phone) = 11

場景 2:存儲空間/傳輸帶寬估算

-- ✅ 正確:按字節計算存儲佔用
SELECT SUM(LENGTH(content)) FROM articles;

場景 3:截取前 N 個字符

-- ✅ 正確:按字符截取
SELECT LEFT(content, 100)  -- 等價 SUBSTRING(content, 1, 100)

-- ❌ 錯誤:按字節截取可能截斷多字節字符產生亂碼
-- SELECT SUBSTRING(content, 1, 100) -- 此處 SUBSTRING 按字符,但 SUBSTRING_BYTES 按字節

常見坑點與避雷指南

1. VARCHAR(n) 中的 n 是字符數而非字節數

CREATE TABLE t (c VARCHAR(10) CHARSET utf8mb4);
-- 可存 10 個漢字(30 字節)或 10 個字母(10 字節)
-- 但最大字節長度受行大小限制 (65535 字節)

2. 索引長度限制按字節計算

-- InnoDB 單列索引最大 767 字節 (innodb_large_prefix=OFF) 或 3072 字節 (ON)
-- UTF-8 下 VARCHAR(255) 索引可能超限 (255*3=765 邊界值)
-- 建議:VARCHAR(191) 或 開啟 innodb_large_prefix + DYNAMIC/COMPRESSED 行格式

3. 應用層與數據庫層長度計算不一致

  • Java String.length() = 字符數(UTF-16 code units)
  • Python len(str) = 字符數(Unicode code points)
  • Go len(string) = 字節數
  • MySQL CHAR_LENGTH = 字符數,**與應用層多數語言一致**

統一計數最佳實踐

  1. 業務邏輯長度校驗統一用 CHAR_LENGTH(或應用層等價函數)
  2. 存儲容量規劃、網絡傳輸計算用 LENGTH
  3. 表定義 VARCHAR 長度按字符數設計,預留字節空間裕度
  4. 全鏈路 utf8mb4,消除編碼轉換帶來的長度計算偏差

總結

LENGTH() 返回**字節數**(編碼相關),CHAR_LENGTH() 返回**字符數**(編碼無關)。**業務語義上的「長度」永遠用 CHAR_LENGTH**;只有計算磁盤佔用、網絡傳輸、索引長度限制時才用 LENGTH。建立「字符數=業務長度,字節數=物理長度」的認知模型,可避免 90% 的長度計算 Bug。

copyright © 萬盛學電腦網 all rights reserved