一、字符集的概念

1、字符编码(character encoding):

字符编码是一种法则,在数字与符号之间建立的对应关系。不同的国家有不同的语言,包含的文字、标点符号、图形符号各有不同。例如在ASCII编码中,用数字97表达字符'a'与字符集相对应,常见的字符编码有ASCII,GBK,GB18030,Unicode等。

2、字符集(Character set)

字符集是字符的集合,字符是文字和符号的总称,用ASCII编码的字符集称之为ASCII字符集,用GBK编码的字符集称之为GBK字符集。

3、国际编码(Unicode)

为了解决传统的字符编码方案的局限,1994年发布了Unicode(国际编码、统一码、万国码、单一码、通用码),它是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 将全世界所有的字符统一化,统一编码,再也不存在字符集不兼容和字符转换的问题。

Unicode 有以下三种编码方式:

1)UTF-8:兼容ASCII编码;拉丁文、希腊文等使用两个字节;包括汉字在内的其它常用字符使用三个字节;剩下的极少使用的字符使用四个字节。

2)UTF-16:对相对常用的60000余个字符使用两个字节进行编码,其余的使用4字节。

3)UTF-32:固定使用4个字节来表示一个字符,存在空间利用效率的问题。

4、汉字的编码

支持汉字(简体中文)的编码有GB2312、GB13000、GBK、GB18030和Unicode(UTF-8、UTF-16、UTF-32)。

1)GB2312

仅包含大部分的常用简体汉字,但已经不能适应现在的需要。

2)GB13000

由于GB2312的局限性,国家标准化委员会制定了GB13000编码; 但由于当时的硬件和软件都已经支持了GB2312,而GB13000与GB2312完全不兼容,所以没有能够得到大范围的推广使用。

3)GBK

有了GB13000的教训,中国国家标准化委员会制定了GBK标准,并兼容了GB2312标准,同时在GB2312标准的基础上扩展了GB13000包含的字; 由于该标准有微软的支持,得到了广泛的应用。

4)GB18030

GB18030编码比GBK又新增了几千个汉字,但由于码位不足使用了2byte与4byte混合编码方式,这给软件开发增加了难度。

5)Unicode

包含全世界所有国家需要用到的字符,是国际编码,通用性强。

5、汉字的编码选择

在操作系统和数据库中,常用的汉字编码有GBK、GB18030和Unicode,GBK和GB18030的优势是占用空间小,Unicode的优势是全球化的支持。

在应用开发中,如果不考虑全球化,最好的选择是GBK和GB18030。

6、编码的转换

GBK和GB18030与Unicode编码之间需要转换,否则会出现汉字乱码。

二、Oracle的字符集

1、字符集和国家字符集

字符集在创建数据库实例时指定,可以指定字符集(CHARACTER SET)和国家字符集(NATIONAL CHARACTER SET)。

1)字符集(CHARACTER SET)

用来存储char、varchar2、clob、long等类型数据,还可以用来标识表名、列名以及PL/SQL变量等。

2)国家字符集(NATIONAL CHARACTER SET)

用以存储nchar、nvarchar2、nclob等类型数据。国家字符集实质上是为Oracle选择的附加字符集,主要作用是为了增强字符处理能力,因为nchar数据类型可以提供对亚洲使用定长多字节编码的支持,而数据库字符集则不一定能。国家字符集只能在unicode编码中的AF16UTF16和UTF8中选择,默认值是AF16UTF16。

2、支持中文的字符集

Oracle支持汉字(简体中文,繁体不介绍)的字符集有多种,常用的有ZHS16GBK、UTF8、AL32UTF8和AL16UTF16。

1)ZHS16GBK

表示简体中文,一个字符需要16位比特,采用GBK编码标准。

 2)UTF8

Oracle从8i版本开始使用的属于UTF-8编码的字符集,采用的Unicode标准为3.0,在11.2版本中,UTF8已经不是推荐字符集列表中的一员了。

3)AL32UTF8

与UTF8相比,它采用的Unicode版本更新,在10g版本中使用的是Unicode 4.01标准,而UTF8因为兼容性的考虑,在10g版本中用的是Unicode 3.0标准。

4)AL16UTF16

是ORACLE第一种采用UTF-16编码方式的字符集,从ORACLE9开始使用,是作为缺省的国家字符集使用,它不能被用作数据库的字符集。

3、NLS_LANG参数

Oracle数据库字符集最重要的参数是NLS_LANG参数。

格式: NLS_LANG='language_territory.charset',不区分大小写,例如' SIMPLIFIED CHINESE_CHINA.ZHS16GBK'

它有三个组成部分:语言(language)、地域(territory)和字符集(charset)。

其中:

language:数据库服务器提示信息的语言。

territory:数据库的日期和数字格式,意义不大。

charset:数据库的字符集。

真正影响数据库字符集的其实是第三部分charset,两个数据库之间的字符集只要第三部分相同,交换数据时中文不会出现乱码。language影响的只是提示信息是中文还是英文。

三、服务端的字符集

1、查看服务端字符集

执行以下SQL可以查看服务端的字符集。

select * from NLS_DATABASE_PARAMETERS where parameter like '%CHARACTERSET%';

image.png

执行以下SQL也可以查看服务端的字符集。

select userenv('language') from dual;

image.png

2、修改服务端字符集

Oracle数据库实例创建后,如果没有开始业务运行,可以修改字符集,如果已经业务化运行,不建议修改字符集,会造成数据中的汉字乱码。

用DBA权限,执行以下步骤修改Oracle数据库的字符集(例如修改为ZHS16GBK)。

1)修改服务端操作系统的NLS_LANG环境变量。

export NLS_LANG='Simplified Chinese_China.ZHS16GBK'

2)关闭Oracle数据库。

shutdown immediate;

3)把数据库启动到mount状态。

startup mount;

4)把数据库改为restricted模式。

alter system enable restricted session;

alter system set job_queue_processes=0;

alter system set aq_tm_processes=0;

5)打开数据库。

alter database open;

6)修改数据库的字符集。

alter database character set internal_use ZHS16GBK;

7)重启数据库。

shutdown immediate;

startup;

四、客户端的字符集

Oracle客户端的字符集必须与服务端相同,否则中文会出现乱码。

1、Linux环境

客户端的字符集由NLS_LANG环境变量控制。

1)查看NLS_LANG环境变量。

env|grep NLS_LANG

image.png

2)设置环境变量

修改环境变量参数文件(系统或用户的profile文件)。

export NLS_LANG='Simplified Chinese_China.ZHS16GBK'

2、Windows环境

打开注册表( 执行regedit.exe)

HKEY_LOCAL_MACHINE -> SOFTWARE -> ORACLE -> KEY_OraClient11g_home1

image.png

五、应用经验

1)数据库在业务化之前,就应该确定Oracle的字符集,然后不再改变。数据库在业务化后,修改字符集是一件很麻烦的事情,最好别惹这个麻烦。

2)如果项目没有全球化的需求,数据库字符集建议采用ZHS16GBK,操作系统语言建议采用gbk。

3)只要把客户端和服务端设置成相同的字符集,就不会有乱码,没什么技术难点。

4)虽然GB18030字符集比GBK更丰富,但是GB18030中有部分汉字是4字节,这一点让程序员很郁闷,所以,程序员更倾向GBK字符集。

六、版权声明

C语言技术网原创文章,转载请说明文章的来源、作者和原文的链接。

来源:C语言技术网(www.freecplus.net

作者:码农有道

如果文章有错别字,或者内容有错误,或其他的建议和意见,请您联系我们指正,非常感谢!!!


C语言技术网(www.freecplus.net),粤ICP备19156379号

友情链接: 猿说编程    程序分享   

点击关闭