1、字符集的一些基本知識
??? 字符集有很多種，最初的字符集是ASCII，由于ASCII支持的字符很有限，因此隨后又出現(xiàn)了很多的編碼方案，這些編碼方案大部分都是包括了ASCII的。EBCDIC編碼是另一個(gè)比較基本的編碼，它的部分字符采用了和ASCII不同的編碼值，因此兩者是不兼容的基本編碼方案。采用EBCDIC編碼的比較少，目前主要是IBM 的系統(tǒng)采用，如AS400及S390系統(tǒng)，大部分的系統(tǒng)都是基于ASCII編碼的。
??? 由于亞洲國家的字符集相對復(fù)雜一些，因此一般都使用了兩個(gè)及以上的字節(jié)進(jìn)行編碼的方案。對于簡體中文，GB2312碼是國家1981年實(shí)施的編碼標(biāo)準(zhǔn)，通行于大陸。新加坡等地也使用此編碼。GBK編碼是GB2312碼的擴(kuò)展，是1995年發(fā)布的指導(dǎo)性規(guī)范，它在字匯一級支持 ISO/IEC 10646-1 和GB 13000-1 的全部中日韓 (CJK) 漢字(20902字)。目前最新的漢字字符集是2000年的GB18030，它是取代GBK1.0的正式國家標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)收錄了27484個(gè)漢字，同時(shí)還收錄了藏文、蒙文、維吾爾文等主要的少數(shù)民族文字。目前簡體WINDOWS的缺省內(nèi)碼還是GBK。
??? 由于編碼方案太多且彼此之間不兼容，存在互相之間存在沖突的情況，即對于同一個(gè)編碼數(shù)值，在兩種不同的編碼方案中代表的是兩個(gè)不同的字符。這樣對于一些WEB應(yīng)用來說，由于多種語言文字的同時(shí)使用及存儲，需要采用一種統(tǒng)一的字符集。為此，國際標(biāo)準(zhǔn)化組織(ISO)制定了ISO 10646碼表，而Unicode協(xié)會制定了Unicode規(guī)范，這兩個(gè)體系剛開始時(shí)是獨(dú)立建立的，在1991年，雙方都認(rèn)識到世界不需要兩個(gè)不兼容的字符集。于是它們開始合并雙方的工作成果，并為創(chuàng)立一個(gè)單一編碼表而協(xié)同工作。從Unicode2.0開始，Unicode項(xiàng)目采用了與ISO 10646-1相同的字庫和字碼。目前兩個(gè)項(xiàng)目仍都存在，并獨(dú)立地公布各自的標(biāo)準(zhǔn)。Unicode協(xié)會現(xiàn)在的最新版本是2006年的Unicode 5.0。

?

2、ORACLE數(shù)據(jù)庫的字符集
??? ORACLE的字符集名字一般由以下部分組成：語言或區(qū)域、表示一個(gè)字符的比特位數(shù)、標(biāo)準(zhǔn)字符集名稱（可選項(xiàng)，S或C，表示服務(wù)器或客戶端）。ORACLE字符集UTF8與UTFE不符合此規(guī)定，其它基本都是這種格式。

?

set nls_lang=AMERICAN_AMERICA.UTF8

set nls_lang=SIMPLIFIED CHINESE_AMERICA.UTF8

對于US7ASCII，表示區(qū)域是US，用7個(gè)比特位表示一個(gè)字符，標(biāo)準(zhǔn)的字符集名稱為ASCII。
對于中文字符集ZHS16GBK，表示簡體中文（ZHT為繁體中文），一個(gè)字符需要16位比特，標(biāo)準(zhǔn)的字符集名稱為GBK。而ZHS16CGB231280表示簡體中文，一個(gè)字符需要16位比特，標(biāo)準(zhǔn)的字符集名稱為GB231280，屬于我們前面提過的1981年發(fā)布的GB2312－80標(biāo)準(zhǔn)。雖然我們說，GBK編碼標(biāo)準(zhǔn)是GB2312編碼標(biāo)準(zhǔn)的擴(kuò)展，但是數(shù)據(jù)庫字符集ZHS16GBK與ZHS16CGB231280之間卻不是嚴(yán)格的超集與子集的關(guān)系，主要是有些漢字的編碼在兩個(gè)字符集中的數(shù)值是不同的，因此它們進(jìn)行字符集轉(zhuǎn)換時(shí)會出現(xiàn)問題。
在本文中，有時(shí)候使用的是標(biāo)準(zhǔn)字符集名稱，有時(shí)候又需要使用ORACLE字符集的名稱，因此希望大家明白兩者之間的對應(yīng)關(guān)系。
ORACLE數(shù)據(jù)庫有國家字符集（national character set）與數(shù)據(jù)庫字符集(database character set)之分。兩者都是在創(chuàng)建數(shù)據(jù)庫時(shí)需要設(shè)置的。國家字符集主要是用于NCHAR、NVARCHAR、NCLOB類型的字段數(shù)據(jù)，而數(shù)據(jù)庫字符集使用很廣泛，它用于：CHAR、VARCHAR、CLOB、LONG類型的字段數(shù)據(jù)；表名、列名、PL/SQL中的變量名；輸入及保存在數(shù)據(jù)庫的SQL和PL/SQL的源碼。
ORACLE支持的Unicode字符集有以下幾種，下面的列表給出了字符集的名稱、對應(yīng)的數(shù)據(jù)庫版本范圍、采用的Unicode的版本。
AL24UTFFSS：是ORACLE第一種支持Unicode的字符集，從7.2版本開始使用，但是它支持的Unicode版本為1.1，因此從9i開始就不支持此字符集了。
UTF8:是ORACLE從ORACLE8開始使用的屬于UTF-8編碼的字符集，從ORACLE8.0到ORACLE8.16，Unicode版本為2.1，而ORACLE817到10g，采用的Unicode標(biāo)準(zhǔn)為3.0
UTFE：用于EBCDIC碼平臺上的數(shù)據(jù)庫Unicode字符集。因此它屬于專用系統(tǒng)使用的字符集，其它屬性與UTF8基本相同。
AL32UTF8：是從ORACLE9開始使用的屬于UTF-8編碼的字符集，與UTF8相比，它采用的Unicode版本更新，在10g版本中使用的是Unicode 4.01標(biāo)準(zhǔn)，而UTF8因?yàn)榧嫒菪缘目紤]，在10g版本中用的是Unicode 3.0標(biāo)準(zhǔn)。
AL16UTF16：是ORACLE第一種采用UTF-16編碼方式的字符集，從ORACLE9開始使用，是作為缺省的國家字符集使用，它不能被用作數(shù)據(jù)庫的字符集。這是因?yàn)閿?shù)據(jù)庫的字符集決定了SQL與PL/SQL源碼的編碼方式，對于UTF－16這種使用固定的兩個(gè)字節(jié)來表示英文字母的編碼方案來說，確實(shí)不適于用作數(shù)據(jù)庫的字符集，ORACLE目前采用的數(shù)據(jù)庫字符集都是基于ASCII或EBCDID作為子集的編碼方案。

3、如何選擇合適的數(shù)據(jù)庫字符集
3.1、數(shù)據(jù)庫需要存儲的數(shù)據(jù)類型是字符集選擇的首要考慮目標(biāo)。
??? 對于只存儲英文信息的數(shù)據(jù)庫等來說，一般采用US7ASCII或WE8ISO8859P1等單字節(jié)的字符集就比較合適，在性能和空間上也是最優(yōu)，

??? 同樣，存儲了中文信息的數(shù)據(jù)庫，如果采用單字節(jié)的字符集，也是不合適的。在這種情況下，數(shù)據(jù)庫的字符集雖然是US7ASCII或WE8ISO8859P1編碼，但里面存儲的數(shù)據(jù)編碼實(shí)際上卻是另外的編碼格式，這種不一致的情況很容易引起問題，建議不要這樣使用。ORACLE提供了很多種類的字符集供客戶選擇，就是要滿足各種文字不同的編碼需要。

3.2、字符集的選擇需要優(yōu)先考慮應(yīng)用程序的需要。
??? 目前出于國際化的需要，軟件需要可以對不同的語言文字進(jìn)行處理，尤其一個(gè)系統(tǒng)中需要容納多種語言文字的時(shí)候，一般都會采用Unicode這樣的通用解決方案，即使會有一些空間和運(yùn)行效率的損失也是值得的。此時(shí)數(shù)據(jù)庫字符集建議可以采用AL32UTF8或UTF8編碼，一種比較理想的模式就是由程序負(fù)責(zé)編碼格式的轉(zhuǎn)換，而數(shù)據(jù)庫只提供一個(gè)透明的數(shù)據(jù)存儲，
??? 客戶在應(yīng)用程序中輸入數(shù)據(jù)，此時(shí)數(shù)據(jù)的編碼格式是由客戶操作系統(tǒng)的區(qū)域及語言設(shè)置決定的，如在簡體中文XP的環(huán)境下，輸入的中文編碼屬于GBK編碼。在客戶輸入結(jié)束后，程序首先判斷客戶的本地環(huán)境，并把編碼轉(zhuǎn)換成UNICODE，并通過NET傳送到服務(wù)器端。由于客戶端與服務(wù)器數(shù)據(jù)庫的字符集均為UTF8格式，ORACLE在傳送過程中不會進(jìn)行字符轉(zhuǎn)換，直接把數(shù)據(jù)按UTF8格式存儲到數(shù)據(jù)庫中。查詢時(shí)是一個(gè)反向的過程，應(yīng)用程序從數(shù)據(jù)庫中取出UTF8編碼的數(shù)據(jù)，再由應(yīng)用程序根據(jù)客戶的本地環(huán)境，把UTF8編碼的數(shù)據(jù)轉(zhuǎn)換成客戶本地的編碼格式，最后把結(jié)果數(shù)據(jù)顯示給客戶。此方案的關(guān)鍵在于應(yīng)用程序要能很好的支持UNICODE編碼，編碼的轉(zhuǎn)換由應(yīng)用程序來負(fù)責(zé)，數(shù)據(jù)庫只是提供了一個(gè)數(shù)據(jù)存儲功能。
??? 對于部分程序來說，由于對UNICODE支持不夠，沒有提供編碼的轉(zhuǎn)換功能，則可以使用ORACLE提供的字符集轉(zhuǎn)換功能來實(shí)現(xiàn)同樣的目的。客戶在應(yīng)用程序中輸入數(shù)據(jù)，此時(shí)數(shù)據(jù)的編碼格式是由客戶操作系統(tǒng)的區(qū)域及語言設(shè)置決定的，如在簡體中文XP的環(huán)境下，輸入的中文編碼屬于GBK編碼。在客戶輸入結(jié)束后，程序直接把數(shù)據(jù)并通過NET傳送到服務(wù)器端。由于客戶端與服務(wù)器數(shù)據(jù)庫的字符集不一致，因此ORACLE會把客戶端的編碼轉(zhuǎn)換成UTF8格式，再把數(shù)據(jù)按UTF8格式存儲到數(shù)據(jù)庫中。這種方案的優(yōu)點(diǎn)就是程序可以不用支持UNICODE，由ORACLE數(shù)據(jù)庫自動(dòng)進(jìn)行轉(zhuǎn)換。由于數(shù)據(jù)庫的字符集為UTF8，是其它字符集的超集，因此在轉(zhuǎn)換過程中不會發(fā)生數(shù)據(jù)丟失的情況。對于英文的字符符號，在UTF8中使用單字節(jié)存儲，轉(zhuǎn)換的工作量很小，可以忽略，而對于一些亞洲字符集，在UTF8中一般需要兩到三個(gè)字節(jié)存儲，需要的數(shù)據(jù)庫空間增加，而且轉(zhuǎn)換的工作量也相對大一些，性能會有一些損失。

4、與字符集相關(guān)的問題分析
4.1、在UTF8環(huán)境下運(yùn)行SQL語句報(bào)錯(cuò)的問題：
??? SQL*PLUS工具不提供編碼自動(dòng)轉(zhuǎn)換的功能，當(dāng)數(shù)據(jù)庫字符集為UTF8，客戶端的NLS_LANG如果也是UTF8，那么在SQL*PLUS中運(yùn)行SQL語句時(shí)，語句全是英文，不會出現(xiàn)問題，如果語句包含了中文或其它一些特殊字符，SQL語句運(yùn)行時(shí)就會報(bào)錯(cuò)。對于返回的含中文的結(jié)果，SQL*PLUS也會顯示亂碼。造成此錯(cuò)誤的原因在于當(dāng)SQL語句中包含漢字等一些特殊字符時(shí)，由于這些字符的編碼屬于GBK，ORACLE沒有進(jìn)行字符轉(zhuǎn)換，而是直接把SQL語句送到服務(wù)器上進(jìn)行解析。此時(shí)服務(wù)器的字符集是UTF8，因此它按UTF8編碼格式對SQL語句中GBK編碼的字符解析時(shí)就會產(chǎn)生錯(cuò)誤。如果把客戶端的NLS_LANG設(shè)置為本地環(huán)境的字符集，如ZHS16GBK，此時(shí)可以直接在SQL*PLUS中輸入包含中文的SQL語句，ORACLE在把SQL語句提交到服務(wù)器時(shí)會自動(dòng)轉(zhuǎn)換成UTF8編碼格式，因此SQL語句可以正常運(yùn)行。對于英文字母，由于它在UTF8中的編碼數(shù)值采用的還是ASCII的編碼數(shù)值，因此英文字母可以直接使用而不需要轉(zhuǎn)換，這就是如果SQL語句或輸出結(jié)果全是英文時(shí)不會出現(xiàn)錯(cuò)誤的原因。正確的做法是先把需要運(yùn)行的SQL做成腳本文件，用代碼轉(zhuǎn)換工具把它轉(zhuǎn)換成UTF8編碼格式的文件，（注意！XP中的記事本是提供了代碼轉(zhuǎn)換功能的，可以在保存文件或選擇文件另存為的時(shí)候，彈出的對話框最后一項(xiàng)，編碼，選擇UTF8，再保存，即可把文件轉(zhuǎn)換成UTF8編碼格式）。完成后用IE打開這個(gè)腳本，選擇編碼－》UTF8，觀察此時(shí)SQL腳本是否含有亂碼或“？”符號。如果沒有，說明編碼格式已經(jīng)是UTF8了，此時(shí)在SQL*PLUS中運(yùn)行這個(gè)腳本就不會產(chǎn)生錯(cuò)誤了。運(yùn)行結(jié)束后，輸出的結(jié)果中如果包含中文，需要把結(jié)果SPOOL輸出到一個(gè)文件中，然后用代碼轉(zhuǎn)換工具把這個(gè)結(jié)果文件由UTF8轉(zhuǎn)換成本地編碼格式，再用寫字板打開，才能看到正常顯示的漢字。由于IE具有代碼轉(zhuǎn)換功能，因此也可以不用代碼轉(zhuǎn)換工具，直接在IE中打開輸出的結(jié)果文件，選擇UTF8編碼，也能正常顯示含中文的結(jié)果文件。

4.2、數(shù)據(jù)庫出現(xiàn)亂碼的問題：
??? 數(shù)據(jù)庫出現(xiàn)亂碼的問題主要和客戶的本地化環(huán)境，客戶端NLS_LANG設(shè)置，服務(wù)器端的數(shù)據(jù)庫字符集設(shè)置這三者有關(guān)，如果它們的設(shè)置不一致或者某個(gè)設(shè)置錯(cuò)誤，就會很容易出現(xiàn)亂碼，下面我們簡要介紹以下幾種情況：
4.2.1、數(shù)據(jù)庫字符集設(shè)置不當(dāng)引起的亂碼：
??? 例如：一個(gè)存儲簡體中文字符的數(shù)據(jù)庫，它的字符集選用了US7ASCII，當(dāng)它的客戶端NLS_LANG也選用US7ASCII時(shí)，這個(gè)系統(tǒng)單獨(dú)使用是沒有問題的，因?yàn)閮烧咴O(shè)置一致，因此ORACLE不會進(jìn)行字符集的轉(zhuǎn)換，客戶輸入的GBK碼被直接在數(shù)據(jù)庫中存儲起來，當(dāng)查詢數(shù)據(jù)時(shí)，實(shí)際客戶端取出來的數(shù)據(jù)也是GBK的編碼，因此顯示也是正常的。但當(dāng)其它的系統(tǒng)需要從這個(gè)數(shù)據(jù)庫取數(shù)據(jù)，或者它的數(shù)據(jù)要EXP出來，IMP到其它數(shù)據(jù)庫時(shí)，問題就會開始出現(xiàn)了。其它系統(tǒng)的字符集一般是ZHS16GBK，或者其它系統(tǒng)客戶端的NLS_LANG設(shè)置為ZHS16GBK，此時(shí)必然會產(chǎn)生字符集的轉(zhuǎn)換。雖然數(shù)據(jù)庫字符集設(shè)置為US7ASCII，但我們知道，實(shí)際存儲的數(shù)據(jù)編碼是ZHS16GBK的。可惜ORACLE不會知道，它會把存儲的ZHS16GBK編碼數(shù)據(jù)當(dāng)作US7ASCII編碼的數(shù)據(jù)，按照US7ASCII轉(zhuǎn)換成ZHS16GBK的轉(zhuǎn)換算法進(jìn)行轉(zhuǎn)換，可以想象，這種情況下，亂碼的產(chǎn)生是必然的。

4.2.2、數(shù)據(jù)庫字符集與客戶端NLS_LANG設(shè)置不同引起的亂碼：
??? 例如：對于一個(gè)需要存儲簡體文信息的數(shù)據(jù)庫來說，它的字符集設(shè)置和客戶端NLS_LANG設(shè)置一般可以使用ZHS16GBK編碼。但是如果數(shù)據(jù)庫字符集選用了UTF8的話，也是可以的，因?yàn)閆HS16GBK編碼屬于UTF8的子集。ORACLE在數(shù)據(jù)庫與客戶端進(jìn)行數(shù)據(jù)交換時(shí)自動(dòng)進(jìn)行編碼的轉(zhuǎn)換，在數(shù)據(jù)庫中實(shí)際存儲的也是UTF8編碼的數(shù)據(jù)。此時(shí)其它數(shù)據(jù)庫和此數(shù)據(jù)庫也可以正常的進(jìn)行數(shù)據(jù)交換，因?yàn)镺RACLE會自動(dòng)進(jìn)行數(shù)據(jù)的轉(zhuǎn)換。在實(shí)際使用中，遇到過繁體XP的字符集ZHT16MSWIN950轉(zhuǎn)換成AL32UTF8字符集時(shí)，一些特殊的字符和個(gè)別冷僻的漢字會變成亂碼。后來證實(shí)是XP需要安裝一個(gè)字庫補(bǔ)丁軟件，最后順利解決此問題。

4.2.3、客戶端NLS_LANG與本地化環(huán)境不同引起的亂碼：
??? 一般情況下，客戶端NLS_LANG與本地化環(huán)境采用了不同的字符集會出現(xiàn)亂碼，除非本地化環(huán)境的字符集是客戶端NLS_LANG設(shè)置字符集的子集。如果把客戶端NLS_LANG設(shè)置為UTF8就屬于這種情況，由于目前還沒有可以直接使用UNICODE字符集的操作系統(tǒng)，因此客戶本地化環(huán)境使用的字符集只能是某種語言支持的字符集，它屬于UTF8的子集。下面我們就著重討論這種情況。
??? 雖然目前WINDOWS的內(nèi)核是支持UNICODE的，但是WINDOWS并不支持直接顯示UNICODE編碼的字符,而且它并不知道目前的字符采用了何種字符集，所以默認(rèn)情況下，它使用缺省的代碼頁來解釋字符。因此，對于其它類型的編碼，需要先進(jìn)行轉(zhuǎn)換，變成系統(tǒng)目前的缺省代碼頁支持的字符集才能正常使用。
??? WINDOWS中的缺省代碼頁是由控制面板設(shè)置中的語言及區(qū)域的選擇所決定的，屬于客戶本地化的環(huán)境設(shè)置。簡體中文WINDOWS的字符編碼就是GBK，它的缺省代碼頁是936。對于其它非WINDOWS的操作系統(tǒng)，我們可以把它們目前缺省使用的字符集作為用戶的本地化環(huán)境設(shè)置。另外，我們使用的大部分工具，如寫字板，SQL*PLUS等，它們沒有提供編碼轉(zhuǎn)換功能，因此在客戶端直接輸入或查詢數(shù)據(jù)往往都會遇到亂碼的問題，必須由應(yīng)用程序或一些工具去做編碼的轉(zhuǎn)換，才能保證正常的使用。

?NLS_LANG 參數(shù)組成
NLS_LANG參數(shù)由以下部分組成:
NLS_LANG=<Language>_<Territory>.<Clients Characterset>
NLS_LANG各部分含義如下:
LANGUAGE指定:
-Oracle消息使用的語言
-日期中月份和日顯示
TERRITORY指定
-貨幣和數(shù)字格式
-地區(qū)和計(jì)算星期及日期的習(xí)慣
CHARACTERSET:
-控制客戶端應(yīng)用程序使用的字符集
通常設(shè)置或者等于客戶端(如Windows)代碼頁?
或者對于unicode應(yīng)用設(shè)置為UTF8
在Windows上查看當(dāng)前系統(tǒng)的代碼頁可以使用chcp命令:
E:\>chcp
活動(dòng)的代碼頁: 936
代碼頁936也就是中文字符集 GBK,在Microsoft的官方站點(diǎn)上，我們可以遭到關(guān)于936代碼頁的具體編碼規(guī)則,請參考以下鏈接:
http://www.microsoft.com/globaldev/reference/dbcs/936.htm

2. 查看 NLS_LANG 的方法
Windows使用:
echo %NLS_LANG%
如:
E:\>echo %NLS_LANG%
AMERICAN_AMERICA.ZHS16GBK
Unix使用:
env|grep NLS_LANG
如:
/opt/oracle>env|grep NLS_LANG
NLS_LANG=AMERICAN_CHINA.ZHS16GBK
Windows客戶端設(shè)置,可以在注冊表中更改NLS_LANG,具體鍵值位于:
HKEY_LOCAL_MACHINE\SOFTWARE\ORACLE\HOMExx\
xx指存在多個(gè)ORACLE_HOME時(shí)系統(tǒng)編號。

3. 查看數(shù)據(jù)庫當(dāng)前字符集參數(shù)設(shè)置
SELECT * FROM v$nls_parameters;

4. 查看數(shù)據(jù)庫可用字符集參數(shù)設(shè)置
SELECT * FROM v$nls_valid_values;

5. 客戶端 NLS_LANG 的設(shè)置方法
Windows:
# 常用中文字符集
set NLS_LANG=SIMPLIFIED CHINESE_CHINA.ZHS16GBK
# 常用unicode字符集
set NLS_LANG=american_america.AL32UTF8
可以通過修改注冊表鍵值永久設(shè)置
HKEY_LOCAL_MACHINE\SOFTWARE\ORACLE\HOMExx\NLS_LANG
Unix:
# 常用unicode字符集
export NLS_LANG=american_america.AL32UTF8
# 常用中文字符集
export?
可以編輯 bash_profile 文件進(jìn)行永久設(shè)置
vi .bash_profile
export NLS_LANG="SIMPLIFIED CHINESE_CHINA.ZHS16GBK"

or export NLS_LANG="Simplified Chinese_china".ZHS16GBK
# 使 bash_profile 設(shè)置生效
source .bash_profile

總結(jié)

以上是生活随笔為你收集整理的设置ORACLE客户端字符集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。