oracle字符集及编码知识

摘要：
1，双字节字符集ZHS16GBK中，则一个中文汉字是一个字符，一个英文字母也是一个字符，所以他们俩占的存储空间一样大！
2，字符集就是一套编码规则。 eg：在字符集charset1中 A、B、？ 的编码分别为 A（0001），B（0010），？（1111）；
3，查看oracle 字符集 SQL> SELECT NAME,VALUE$ FROM SYS.PROPS$ WHERE NAME='NLS_CHARACTERSET';
4，查看客户端（即操作系统）的字符集 export NLS_LANG=AMERICAN_AMERICA.ZHS16GBK

六、修改了错误的字符集，oracle是怎么处理的?


两个基本原则：
在数据库端：选择需要的字符集（通过create database中的CHARACTER SET与NATIONAL CHARACTER SET子句指定）；
在客户端：设置操作系统实际使用的字符集（通过环境变量NLS_LANG设置）

.


一、编码知识：

根据一个字符需要多少位字节来表示，可以把字符集分为单字节字符集和多字节字符集。其中，单字节字符集又分为7位字符集和8位字符集。单字节7位编码字符集有US7ASCⅡ，单字节8位编码字符集有符合ISO 8859-1标准规定的WE8ISO8859P1等。多字节编码又分为固定长度（长度大于或等于2）编码模式和不固定长度编码模式。多字节编码字符集中的ZHS16GBK、ZHS16CGB231280、JA16SJIS等是采用两个字节表示一个字符的字符集，又叫双字节字符集。


一个英文字母是一个字符，一个中文汉字是几个字符呢？我们知道，一个中文汉字是双字节字符，但它有几个字符与其数据库字符集有关。如果数据库字符集使用单字节US7ASCII，则一个中文汉字是二个字符；如果数据库字符集使用双字节字符集ZHS16GBK，则一个中文汉字是一个字符。一个英文字母也是用两个字节（一个字符）来表示！；在单字节字符集中，一个汉字需要两个字符，一个英文字母需要一个字符！有关这一点可以使用Oracle的函数Substr得到证明。


使用US7ASCⅡ字符集时:


Select substr('西安邮电',1,2) from dual;

语句执行结果返回 '西'。


使用ZHS16GBK字符集时:


Select substr('西安邮电',1,2) from dual;

语句执行结果返回'西安'


二、碰到的问题：

欧衡山突然跑来跟我说：他往表里面写数据写不进去了，说是超出了存储范围。建的表字段是varchar2(4000) ，往里面写的数据只有2000个英文字符，怎么就写不进去了呢？

很显然系统用了两个字节来存储一个英文字母！


分析解决问题：

SQL> SELECT NAME,VALUE$ FROM SYS.PROPS$ WHERE NAME='NLS_CHARACTERSET';


NAME VALUE$

------ --------

NLS_CHARACTERSET ZHS16GBK

说明：多字节编码字符集中的ZHS16GBK、ZHS16CGB231280、JA16SJIS等是采用两个字节表示一个字符的字符集，又叫双字节字符集。

数据库字符集使用双字节字符集ZHS16GBK，则一个中文汉字是一个字符，一个英文字母也是一个字符！

.


三、什么是字符集

字符集就是一套编码规则。 用下面的例子说明问题

在字符集charset1中 A、B、？ 的编码分别为 A（0001），B（0010），？（1111）；

在字符集charset2 中 A、B、？ 的编码分别为 A（1001），C（1010），？（1111）；

其中的数字就是给计算机看的。我们可以写一个程序实现charset1和charset2的相互转换。由于知道两个字符集的编码规则，对于demo_charset1中的0001，在转换为demo_charset2时，要将其编码改为1001；对于demo_charset1中的1111，转换为demo_charset2时，其数值不变；而对于demo_charset1中的0010，其对应的字符为B，但在demo_charset2没有对应的字符，所以从理论上无法转换，对于所有这类无法转换的情况，我们可以将它们统一转换为目标字符集中的一个特殊字符（称为“替换字符”），比如在这里我们可以将？作为替换字符，所以B就转换为了？，出现了信息的丢失；同样道理，将demo_charset2的C字符转换到demo_charset1时，也会出现信息丢失。（红色字体部分很重要，这就是我们平时碰到的乱码问题的根本原因。如果我们将汉字编码GBK转换为只有英文编码的USA7ASCII的时候，由于USA7ASCII里面没有类似例子中"B"的编码存在，所以就用"?"代替了。）
所以说，在字符集转换过程中，如果源字符集中的某个字符在目标字符集中没有定义，将会出现信息丢失。
.


四、数据库应该选择怎样的字符集


如果选错字符集会有什么麻烦

如过我们用WE8ISO8859P1或US7ASCII（美国标准字符集）来存储汉字，而这两个字符集都没有汉字编码，所以用这种字符集存储汉字信息从原则上说就是错误的。虽然在有些时候选用这种字符集好象也能正常使用，但它会给数据库的使用与维护带来一系列的麻烦！

.


五、如何修改数据库和客户端字符集

更改服务器字符集为ZHS16GBK (其实这是非常规做法，会引起很多问题)
SQL> update props$ set value$='ZHS16GBK' WHERE NAME='NLS_CHARACTERSET';
1 row updated.
SQL> COMMIT;
我们应该先将数据库export出来，然后trucate掉所有数据，修改字符集，最后import进数据！


更改客户端字符集为ZHS16GBK
# export NLS_LANG=AMERICAN_AMERICA.ZHS16GBK

NLS_LANG的格式如下：

NLS_LANG=<Language>_<Territory>.<Clients Characterset>

NLS_LANG各部分含义如下:

Language
-Oracle消息使用的语言
-日期中月份和日显示

Territory
-货币和数字格式
-地区和计算星期及日期的习惯

Clients Characterset
-控制客户端应用程序使用的字符集

.

六、修改了错误的字符集，oracle是怎么处理的

.

如果你设置了一个不存在的字符集，那么oracle重启后会自动update为缺省的字符集US7ASCII
实验过程：
list1：查看当前字符集
SQL> select value$ from props$ where name='NLS_CHARACTERSET';

VALUE$
-----
ZHS16GBK

.

lisnt2：修改字符集：
SQL> update props$ set value$='ZHENGBIN'
2 where name='NLS_CHARACTERSET';

1 row updated.

SQL> commit;

Commit complete.

.

list3：重启oracle后在警告日志里看到下面的信息

Wed Jul 22 16:01:21 2009
Updating character set in controlfile to US7ASCII
Wed Jul 22 16:01:21 2009

参考文档：

http://www.blogjava.net/zamber/archive/2006/09/25/71757.html

http://www.itpub.net/276524.html

http://www.eygle.com/archives/2006/06/dba_update_prop.html

站内：

http://hi.baidu.com/bkeep/blog/item/d9bbba88e2347cba0f244482.html

http://hi.baidu.com/bkeep/blog/item/64c308ebfaa145dad539c995.html

http://hi.baidu.com/bkeep/blog/item/ad2e10088eafef8bd1581b96.html