Oracle全球化支持:字符集系统介绍及服务器端、客户端设置
欢迎进入Oracle社区论坛,与200万技术人员互动交流 >>进入 1. 字符集与编码常识 字符集: 人们根据需要把某些字符收集到一处,并赋以名称,于是便有了某某字符集。 例如: ASCII: ASCII字符集:包含大小写英文、阿拉伯数字、标点,以及一些不可见的控制符共1
欢迎进入Oracle社区论坛,与200万技术人员互动交流 >>进入
1. 字符集与编码常识
字符集:
人们根据需要把某些字符收集到一处,并赋以名称,于是便有了某某字符集。
例如:
ASCII:
ASCII字符集:包含大小写英文、阿拉伯数字、标点,以及一些不可见的控制符共128个。
ASCII编码:使用7位表示一个字符。编码范围是[0-127](即Hex[00-7F]),其中[0-31](Hex[00-1F])部分以及127(Hex7F)是控制符,其余的都是些可见字符。
GB2312:
GB2312字符集:ASCII字符集+7000左右汉字字符。
GB2312编码:兼容ASCII编码。对字节进行判断,如值127,则它需要跟其后的另一个字节合并表示一个字符。其理论汉字编码空间为128X256,超过3万个字符。
GBK:
GBK字符集:GB2312字符集+20000左右汉字字符。
GBK编码:兼容GB2312编码。利用了GB2312编码闲置的编码空间。
GB18030:
GB18030字符集:GBK字符集+若干汉字+若干少数民族字符,为目前国内最新的字符集。
GB18030编码:兼容GBK编码。继续利用GBK编码闲置的编码空间,对于超出编码空间的则采用4个字节表示。
BIG5:
BIG5字符集:ASCII字符集+13000左右汉字(繁体)。
BIG编码:兼容ASCII编码。其编码模式类似于GB2312.
UNICODE:(UNICODE一词在日常使用中显得宽泛、混乱,在不同的语境中可以是以下意思之一。)
UNICODE标准:由一些组织提出的一套标准,对人类文字的显示、编码等进行了一系列的规定。
UNICODE字符集:目前最新版的UNICODE字符集中已经包含各种语言的超过10万的字符。
UNICODE编码:(狭义的UNICODE编码可能指UCS-2,也可能指UTF-16;广义的UNICODE编码可以指包括以下四种在内的若干种对UNICODE标准的编码实现。)
1. UTF-32编码: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。
2. UTF-16编码:对相对常用的60000余个字符使用两个字节进行编码,其余的(即'补充字符supplementary characters')使用4字节。
3. UCS-2编码:是对UNICODE早期版本的实现,它与UTF-16的唯一区别是它不包括'补充字符',所以它对字符的编码只使用两个字节。目前此编码模式已过时。
4. UTF-8编码: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。
ISO8859-1:(使用Oracle的同志们可能见过这个WE8ISO89859P1,没错,就是它。)
ISO8859-1字符集:ASCII字符集+若干西欧字符,例如字母?、?.
ISO8859-1编码:使用8位表示一个字符,同时移除了原ASCII编码中的控制符(即[0-31],及127)。
Code page:(可以把"code page"认为是"编码"的近义词。至于为什么有这个名称?历史遗留问题。)
ANSI code pages:你一定见过ANSI,想想另存文本文件时。ANSI code pages实际上是一系列的编码集合,根据操作系统区域设置而激活其中一种作为默认ANSI编码。例如公司电脑(英文系统)上的ANSI code page可能是1252,而家里的中文系统则可能是936.所以在家里可以用ANSI存储一个包含中文的文本文件,在公司则不行。可以在注册表键:HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\NLS\CodePage\ACP中查看到当前使用的ANSI code page. C#可以通过Encoding.Default查看。
OEM code pages: OEM code pages是给控制台应用程序(如SQLPLUS)使用的。除CJK环境(Chinese-Japanese-Korean)外,Windows使用不同的ANSI code page和OEM code page.例如,公司英文系统上使用的是437.可以使用CHCP命令查看当前使用的OEM code page, C#可以通过Console.OutputEncoding查看。
Code page 1252:
cp1252字符集:ASCII字符集+若干西欧字符+若干特殊符号,比如?、‰。
cp1252编码:使用8位表示一个字符。编码范围是[0-255](即Hex[00-FF]),[0-127]部分与ASCII相同,新增的大部分是西欧的字符,例如一些带上标的字母?、?,以及像这样一类特殊符号)
PS1:现实中两台PC上的code page信息
PC1:英文版Windows XP,ANSI code page=1252, OEMcode page=437
PC2:中文版Windows 7,ANSI codepage=936, OEM code page=936
PS2:cp1252与cp437编码表下载请猛击这里,早期控制台应用程序常常需要画一些粗糙的表格等等图形,所以可以在437中看到不少不同的横线竖线这一类的特殊符号。
PS3:CP1252、ISO8859-1、ASCII比较,就实际使用的编码范围来说:CP1252>ISO8859-1>ASCII.ASCII是[0-127],CP1252是[0-255],ISO8859-1则移除了cp1252中[0-31]及127这些不可见的控制符,同进移除了[128-159](即Hex[80-9F])中的特殊符号。
2. 字符集 2.1. 编码schema
§ 单字节字符集:
7bit: ASCII 7-bit American(US7ASCII)
8bit: ISO8859-1 West European(WE8ISO8859P1)、EBCDICCode Page 500 8-bit West European(WE8EBCDIC500)、DEC 8-bit WestEruopean(WE8DEC)
§ 变长多字节字符集:例如Japanese Extended UNIX Code(JEUC)、ChineseGB2312-80(GB2312-80)、AL32UTF8(UTF-8)
§ 定长多字节字符集:只有National Character Set(AL16UTF16)是定长多字节字符集,是2个字节的Unicode编码
§ Unicode(AL32UTF8,AL16UTF16,UTF8):Oracle使用AL32UTF8、UTF8、UTFE作为数据库字符集,使用AL16UTF16和UTF8作为国家语言字符集。
2.2. 数据库字符集与国家字符集比较
为什么要有两个字符集?如果我知道只需要英文,设置数据库字符集=US7ASCII,如果我知道只需要西欧字符,设置数据库字符集=WE8MSWIN1252或者WE8ISO89859P1,或者干脆就用AL32UTF8.你看,我只需要设定"数据库字符集",那么"国家字符集"有什么必要呢?
其实,考虑到历史遗留问题以及数据库创建者们无法避免的"短视",很多现有数据库都无法支持UNICODE字符集,例如要在现有的US7ASCII数据库字符集的数据库中存储中文,这个时候"国家字符集"+NVARCHAR2这样的组合就能救你一命了。对于数据类型为NVARCHAR2(以及NCHAR, NCLOB)的字段,它使用是国家字符集,与数据库字符集的设置无关。自9i以后,国家字符集可选的只有AL16UTF16与AL32UTF8,UTF-16与UTF-8都是UNICODE编码标准的实现,因些可以表示世界上几乎所有的文字。
当然,如果数据库字符集本身就使了UNICODE字符集,就没有必要使用NVARCHAR2, NCHAR, NCLOB这些类型了。
数据库字符集与国家字符集比较:
数据库字符集
国家字符集
在创建时定义
在创建时定义
不重建不能再改变
除了一些例外,不重建不能再改变
用char、varchar2、clob、long存放数据列
用NCHAR、NVARCHAR2、NCLOB存放数据列
可以存放变长字符集
可以使用AL16UTF16或者UTF8存放Unicode
Oracle对字符集的命名实际上有一定的规则可寻,例如:
AL32UTF8
【AL】支持所有语言(All Language)。
【32】每字符最多占用32位(4字节)。
【UTF8】编码为UTF-8.
WE8MSWIN1252
【WE】支持西欧语言(Western Europe)。
【8】每字符需要占用8位(单字节)。
【MSWIN1252】编码为CP1252.
US7ASCII
【US】表示美国(United States)。
[1] [2] [3]