Tekenset
Welke tekens een kolom kan opslaan en hoe ze als bytes worden gecodeerd. Per database, tabel of kolom in te stellen en verrassend vaak verkeerd, met vraagtekens in plaats van tekens als gevolg.
Het beruchte geval is MySQL, waar de tekenset utf8 nooit echt UTF-8 was: hij verwerkt hooguit drie bytes per teken, genoeg voor Europese talen maar niet voor emoji, bepaalde Chinese tekens of wiskundige symbolen. De juiste is utf8mb4, pas sinds MySQL 8 de standaard. Een teken van vier bytes in een utf8-kolom geeft een fout of kapt de tekst stilzwijgend af. Verwant: ook de verbinding heeft een tekenset. Komt die niet overeen met die van de kolom, dan worden bytes verkeerd geïnterpreteerd en ontstaat mojibake. PostgreSQL ontloopt veel ellende door de codering op databaseniveau vast te leggen, in de praktijk altijd UTF-8.