Juego de caracteres Charset
Qué caracteres puede almacenar una columna y cómo se codifican en bytes. Se define por base de datos, tabla o columna, y está mal sorprendentemente a menudo, con caracteres que acaban convertidos en signos de interrogación.
El caso célebre es MySQL, donde el juego de caracteres llamado utf8 nunca fue UTF-8 de verdad: admite como mucho tres bytes por carácter, lo que basta para las lenguas europeas pero no para los emoji, ciertos caracteres chinos o los símbolos matemáticos. El correcto es utf8mb4, que solo es el predeterminado desde MySQL 8. Un carácter de cuatro bytes en una columna utf8 da error o trunca el texto en silencio. Relacionado: la conexión también tiene un juego de caracteres; si no coincide con el de la columna, los bytes se interpretan mal y aparece el mojibake. PostgreSQL se ahorra buena parte del suplicio fijando la codificación a nivel de base de datos, en la práctica siempre UTF-8.