MySQL utf8mb4 : encodage, collations, émojis et bonnes pratiques

MySQL utf8mb4, c’est quoi ?

C’est le jeu de caractères Unicode sur 4 octets de MySQL, capable de stocker tous les caractères modernes, y compris les émojis et certaines extensions CJK.

Voici les principaux éléments à connaître :

1 Jeux de caractères disponibles dans MySQL

Ceux que vous rencontrerez le plus souvent :

utf8mb4 (4 octets), utf8 (3 octets, incomplet), latin1 (1 octet), ucs2 (2 octets)

2 Collations courantes pour utf8mb4

Elles déterminent le tri, la casse et les comparaisons :

utf8mb4_0900_ai_ci, utf8mb4_unicode_ci, utf8mb4_general_ci, utf8mb4_bin

3 Caractères qui nécessitent utf8mb4

Ils dépassent le plan multilingue de base (BMP) :

Émojis (ex. U+1F600 😀, U+1F680 🚀)

Drapeaux (séquences de régionalisateurs)

Sinogrammes extension B (U+20000+)

Symboles historiques et scripts rares

4 Paramètres de configuration à aligner

Les variables et réglages qui doivent être cohérents :

character_set_server, collation_server

character_set_client, character_set_connection, character_set_results

Défauts de la base/table/colonne (CHARACTER SET / COLLATE)

Problèmes classiques

Émojis rejetés avec “Incorrect string value”

Colonnes en utf8 (3 octets) ou connexion mal configurée alors que l’entrée contient des 4 octets.

Différences entre environnements

local OK, prod KO : collations/charsets par défaut différents (MySQL 5.7 vs 8, réglages serveur).

Index trop longs

“Specified key was too long” à cause de la taille en octets (utf8mb4 × longueur) et des limites d’InnoDB.

Tri et comparaisons inattendus

Les collations influencent ORDER BY, LIKE, DISTINCT; des résultats varient selon l’installation.

Exemple de problème courant :

# Table avec charset incorrect

CREATE TABLE users (nickname VARCHAR(50) CHARACTER SET utf8) ENGINE=InnoDB;

INSERT INTO users (nickname) VALUES ('Alice 🚀');

# Erreur MySQL (caractère 4 octets)

ERROR 1366 (HY000): Incorrect string value: '\xF0\x9F\x9A\x80' for column 'nickname' at row 1

Symptômes qui doivent vous alerter

🚨 Signaux d'alarme

!

Les pseudos avec émojis ne passent pas l’enregistrement

!

Des caractères s’affichent en � ou ? après lecture depuis MySQL

!

Une migration échoue avec “Specified key was too long”

!

ORDER BY ou LIKE renvoient des résultats différents selon l’environnement

!

Un dump/restauration “perd” des accents si SET NAMES n’est pas respecté

Comment les détecter

✨ Solution recommandée : Clean ASCII

Clean ASCII vous aide à repérer instantanément les caractères 4 octets (émojis, symboles) et tout ce qui peut poser problème avant insertion en MySQL utf8mb4. Vous identifiez ce qui transite réellement entre l’application et la base.

✅ Détection automatique

Émojis, 4 octets, caractères hors ASCII, contrôles

📊 Analyse complète

Codes Unicode, positions exactes, classes Unicode, aperçu octets

🧹 Nettoyage automatique

Translittération ou suppression conditionnelle si vous ne pouvez pas passer à utf8mb4

💾 Export propre

Téléchargez un texte prêt à insérer dans MySQL sans surprises

🔍 Inspecter mes données pour MySQL utf8mb4

Autres méthodes de détection

Affichage dans l'éditeur

✓ Forcez l’encodage des fichiers en UTF-8 sans BOM (VS Code, JetBrains, Sublime)

✓ Activez l’affichage des symboles non-BMP et utilisez un linter qui signale les 4 octets

En ligne de commande (Unix)

# Variables de jeu de caractères MySQL

mysql -e "SHOW VARIABLES LIKE 'character_set_%';"

# Collations actives

mysql -e "SHOW VARIABLES LIKE 'collation_%';"

# Repérer les octets 4 octets (émojis) dans un fichier

grep -P "[\xF0-\xF4][\x80-\xBF]{3}" dump.sql

# Inspecter la structure d’une table et ses collations

mysql -e "SHOW FULL COLUMNS FROM ma_table;"

En code

JavaScript

Array.from(str).map(ch => ch.codePointAt(0).toString(16))

Python

[f"{ord(c):04x}" for c in s if ord(c) > 0xFFFF]

Excel / Google Sheets

UNICODE(MID(cellule;position;1))

Nettoyer et prévenir

🚀 Solution rapide avec Clean ASCII

Avant de vous lancer dans des migrations, vérifiez vos contenus avec Clean ASCII pour détecter les caractères non supportés actuellement et décider si vous passez à mysql utf8mb4 ou si vous filtrez temporairement.

✓ Détection des 4 octets et symboles spéciaux

✓ Nettoyage/translittération à la volée

✓ Export immédiat prêt pour MySQL

Vérifier mes textes

Méthodes techniques avancées

🔧 Normaliser

✓ Définissez utf8mb4 + utf8mb4_0900_ai_ci (MySQL 8) ou utf8mb4_unicode_ci comme défauts serveur/BDD/tables/colonnes

✓ Forcez la connexion: SET NAMES utf8mb4; PDO DSN charset=utf8mb4; mysqli_set_charset(..., 'utf8mb4')

✓ ALTER DATABASE/TABLE ... CONVERT TO CHARACTER SET utf8mb4 COLLATE ... pour migrer l’existant

🧹 Filtrer

✓ Si migration différée, supprimez/translittérez temporairement les 4 octets côté application

✓ Bloquez les caractères de contrôle non souhaités avant insertion

✓ Ajustez la longueur des colonnes indexées (ex. VARCHAR(191) si contraintes d’index en octets)

⚙️ Automatiser

✓ Hooks pre-commit pour refuser des SQL/Dockerfiles avec CHARSET=utf8 au lieu de utf8mb4

✓ Tests d’intégration: round-trip d’émojis (écrire/lire) pour valider l’encodage

✓ Linting CI: vérifiez SHOW VARIABLES, échouez si le charset/collation diffère

Checklist rapide

Serveur et base par défaut en utf8mb4

Connexion (PDO/mysqli) forcée en utf8mb4

Tables/colonnes avec charset/collation cohérents

Taille d’index compatible avec utf8mb4 (octets)

Tests qui couvrent les émojis et caractères 4 octets

Documentation équipe sur encodage, collations et migrations MySQL

Conclusion

Adopter mysql utf8mb4 élimine la plupart des soucis liés aux émojis et caractères modernes. Le vrai défi est la cohérence: serveur, base, tables, colonnes et connexions doivent raconter la même histoire.

Alignez vos réglages, testez le round-trip de bout en bout et surveillez la taille des index. Vous éviterez ainsi les erreurs “Incorrect string value” et les surprises de tri ou de comparaison.

MySQL utf8mb4 : encodage, collations, émojis et pièges courants