文档中心MogDBMogDB StackUqbar
v5.0

文档:v5.0

支持的版本:

其他版本:

字符集支持

MogDB支持以各种字符集(也称为编码)存储文本,包含单字节字符集,比如ISO-8859系列,和多字节字符集,比如EUC(扩展Unix编码)、UTF-8、Mule国际编码。所有支持的字符集都可以被客户端透明地使用,但有一些不支持在服务器内使用(即作为服务器端的编码)。缺省字符集是在使用gs_initdb初始化数据库集群时选择的。创建数据库时可以重写此缺省值。因此,您可以创建多个具有不同字符集的数据库。

但是,存在一个重要的限制,每个数据库的字符集必须与该数据库的LC_CTYPE(字符类别)以及 LC_COLLATE(字符串排序顺序)区域设置相兼容。对于C或者 POSIX区域,允许使用任意字符集, 但对于其他区域则只有设置某一个字符集时能正常运行。(不过在Windows上,UTF-8编码可用于任何区域。)

支持的字符集

表1显示了可以在MogDB中使用的字符集。

表1 MogDB字符集

名称 描述 语言 服务器端是否支持 字节数/字符 别名
BIG5 大五码 繁体中文 1-2 WIN950, Windows950
EUC_CN 扩展UNIX代码-CN 简体中文 1-3
EUC_JP 扩展UNIX代码-JP 日文 1-3
EUC_JIS_2004 扩展UNIX代码-JP, JIS X 0213 日文 1-3
EUC_KR 扩展UNIX代码-KR 韩文 1-3
EUC_TW 扩展UNIX代码-TW 繁体中文,台湾 1-3
GB18030 国标码 中文 1-2
GBK 扩展国标码 简体中文 1-2 WIN936, Windows936
ISO_8859_5 ISO 8859-5, ECMA 113 拉丁/西里尔语 1
ISO_8859_6 ISO 8859-6, ECMA 114 拉丁/阿拉伯语 1
ISO_8859_7 ISO 8859-7, ECMA 118 拉丁/希腊语 1
ISO_8859_8 ISO 8859-8, ECMA 121 拉丁/希伯莱语 1
JOHAB JOHAB 韩语 1-3
KOI8R KOI8-R 西里尔语(俄国) 1 KOI8
KOI8U KOI8-U 西里尔语(乌克兰) 1
LATIN1 ISO 8859-1, ECMA 94 西欧语 1 ISO88591
LATIN2 ISO 8859-2, ECMA 94 中欧语 1 ISO88592
LATIN3 ISO 8859-3, ECMA 94 南欧语 1 ISO88593
LATIN4 ISO 8859-4, ECMA 94 北欧语 1 ISO88594
LATIN5 ISO 8859-9, ECMA 128 土耳其语 1 ISO88599
LATIN6 ISO 8859-10, ECMA 144 日耳曼语 1 ISO885910
LATIN7 ISO 8859-13 波罗的海语 1 ISO885913
LATIN8 ISO 8859-14 凯尔特语 1 ISO885914
LATIN9 ISO 8859-15 带有欧洲语系和语调的LATIN1 1 ISO885915
LATIN10 ISO 8859-16, ASRO SR 14111 罗马尼亚语 1 ISO885916
MULE_INTERNAL Mule internal code 多语种Emacs 1-4
SJIS Shift JIS 日语 1-2 Mskanji, ShiftJIS, WIN932, Windows932
SHIFT_JIS_2004 Shift JIS, JIS X 0213 日语 1-2
SQL_ASCII unspecified (see text) 任意 1
UHC Unified Hangul Code 韩语 1-2 WIN949, Windows949
UTF8 Unicode, 8-bit 全部 1-4 Unicode
WIN866 Windows CP866 西里尔语 1 ALT
WIN874 Windows CP874 泰国语 1
WIN1250 Windows CP1250 中欧语 1
WIN1251 Windows CP1251 西里尔语 1 WIN
WIN1252 Windows CP1252 西欧语 1
WIN1253 Windows CP1253 希腊语 1
WIN1254 Windows CP1254 土耳其语 1
WIN1255 Windows CP1255 希伯来语 1
WIN1256 Windows CP1256 阿拉伯语 1
WIN1257 Windows CP1257 波罗的语 1
WIN1258 Windows CP1258 越南语 1 ABC, TCVN, TCVN5712, VSCII

并非所有API都支持上面列出的编码。SQL_ASCII设置与其它设置不同。如果服务器字符集是SQL_ASCII,服务器根据ASCII标准解析0-127的字节值,而字节值为128-255的则当作未解析的字符。如果设置为SQL_ASCII就不会有编码转换。因此,这个设置基本不用来声明所使用的编码,因为此声明会忽略编码。在大多数情况下,如果使用了任何非ASCII数据,那么我们不建议使用SQL_ASCII,因为MogDB无法转换或者校验非ASCII字符。

设置字符集

gs_initdb可以为一个MogDB集群定义缺省字符集(编码),详细说明请参见gs_initdb

您也可以通过SQL语句在数据库创建时指定非缺省编码,但是指定的编码必须与所选的区域相兼容:

CREATE DATABASE chinese WITH ENCODING 'UTF8' LC_COLLATE='en_US.UTF8' LC_CTYPE='en_US.UTF8' TEMPLATE=template0;

注意上述命令声明拷贝template0数据库。当拷贝任何其他数据库时,来自源数据库的编码和区域设置不能被改变,因为可能导致数据损坏。参阅CREATE DATABASE获取更多信息。

数据库的编码存储在pg_database系统表中。您可以使用gsql-l选项或\l 命令列出这些编码。

$ gsql -l
                              List of databases
   Name    | Owner | Encoding |   Collate   |    Ctype    | Access privileges
-----------+-------+----------+-------------+-------------+-------------------
 chinese   | omm   | UTF8     | en_US.UTF8  | en_US.UTF8  |
 mogdb     | omm   | UTF8     | en_US.UTF-8 | en_US.UTF-8 |
 mogila    | omm   | UTF8     | en_US.UTF-8 | en_US.UTF-8 |
 postgres  | omm   | UTF8     | en_US.UTF-8 | en_US.UTF-8 |
 template0 | omm   | UTF8     | en_US.UTF-8 | en_US.UTF-8 | =c/omm           +
           |       |          |             |             | omm=CTc/omm
 template1 | omm   | UTF8     | en_US.UTF-8 | en_US.UTF-8 | =c/omm           +
           |       |          |             |             | omm=CTc/omm
(6 rows)

注意:在大多数现代操作系统中,MogDB可以通过LC_CTYPE的设置决定使用哪种字符集,并且强制只使用匹配的数据库编码。在旧的操作系统上您需要确保使用所选区域所期望的编码。如果设置不正确很可能导致与区域相关的操作表现异常,比如排序。

LC_CTYPE不是C或者POSIX时,MogDB也允许超级用户创建使用SQL_ASCII编码的数据库。如上所述,SQL_ASCII不强制要求存储在数据库中的数据具有任何特定的编码,因此会存在出现区域相关错误行为的风险。我们不建议使用这样的设置组合,未来版本也许会完全禁止。

服务器和客户端之间的自动字符集转换

MogDB支持在服务器和客户端之间的自动字符集转换。转换信息存储在系统表pg_conversion中。MogDB自带一些预定义的转换,如表2所示。

表2 客户端/服务器字符集转换

服务器端字符集 可用的客户端字符集
BIG5 BIG5,EUC_TW,MULE_INTERNAL,UTF8
EUC_CN EUC_CN,MULE_INTERNAL,UTF8
EUC_JIS_2004 EUC_JIS_2004,UTF8,SHIFT_JIS_2004
EUC_JP EUC_JP, MULE_INTERNAL, SJIS, UTF8
EUC_KR EUC_KR, MULE_INTERNAL, UTF8
EUC_TW EUC_TW, BIG5, MULE_INTERNAL, UTF8
GB18030 GB18030,UTF8
GBK GBK,UTF8
ISO_8859_5 ISO_8859_5, KOI8R, MULE_INTERNAL, UTF8, WIN866, WIN1251
ISO_8859_6 ISO_8859_6, UTF8
ISO_8859_7 ISO_8859_7, UTF8
ISO_8859_8 ISO_8859_8, UTF8
JOHAB JOHAB, UTF8
KOI8R KOI8R, ISO_8859_5, MULE_INTERNAL, UTF8, WIN866, WIN1251
KOI8U KOI8U, UTF8
LATIN1 LATIN1, MULE_INTERNAL, UTF8
LATIN2 LATIN2, MULE_INTERNAL, UTF8, WIN1250
LATIN3 LATIN3, MULE_INTERNAL, UTF8
LATIN4 LATIN4, MULE_INTERNAL, UTF8
LATIN5 LATIN5, UTF8
LATIN6 LATIN6, UTF8
LATIN7 LATIN7, UTF8
LATIN8 LATIN8, UTF8
LATIN9 LATIN9, UTF8
LATIN10 LATIN10, UTF8
MULE_INTERNAL MULE_INTERNAL,SQL_ASCII,KOI8R,ISO_8859_5,WIN1251,WIN866,EUC_CN,EUC_JP,SJIS,EUC_KR,EUC_TW,BIG5,LATIN2,WIN1250,LATIN1,LATIN3,LATIN4
SJIS SJIS,EUC_JP,MULE_INTERNAL,UTF8
SQL_ASCII SQL_ASCII,MULE_INTERNAL,UTF8
UHC UHC,UTF8
UTF8 所有支持的编码
WIN866 WIN866, ISO_8859_5, KOI8R, MULE_INTERNAL, UTF8, WIN1251
WIN874 WIN874, UTF8
WIN1250 WIN1250, LATIN2, MULE_INTERNAL, UTF8
WIN1251 WIN1251, ISO_8859_5, KOI8R, MULE_INTERNAL, UTF8, WIN866
WIN1252 WIN1252, UTF8
WIN1253 WIN1253, UTF8
WIN1254 WIN1254, UTF8
WIN1255 WIN1255, UTF8
WIN1256 WIN1256, UTF8
WIN1257 WIN1257, UTF8
WIN1258 WIN1258, UTF8

要打开自动字符集转换功能,您必须键入想在客户端使用的字符集(编码)。 可以通过以下几种方法来实现。

  • 用gsql里的\encoding命令。 \encoding允许动态修改客户端编码。 比如,把编码改变为SJIS,键入:

    \encoding SJIS
  • 使用libpq函数控制客户端编码。

  • 使用SET client_encoding TO语句。使用下面的SQL命令设置客户端编码:

    SET CLIENT_ENCODING TO 'value';

    您也可以使用标准SQL语法SET NAMES

    SET NAMES 'value';

    查询当前客户端编码:

    SHOW client_encoding;

    重置默认编码:

    RESET client_encoding;
  • 使用PGCLIENTENCODING。如果在客户端环境里定义了 PGCLIENTENCODING环境变量,那么在与服务器进行连接时将自动选择这个客户端编码。此编码可以用上文介绍的方法重写。

  • 使用client_encoding配置变量。 如果在client_encoding里设置了该变量, 那么在与服务器建立了连接之后,将自动选定这个客户端编码。此设置可以用上文介绍的方法重写。

如果无法进行特定的字符转换,比如,所选的服务器编码是EUC_JP而客户端是LATIN1,那么部分日文字符无法转换,此时将会报错。

如果客户端字符集定义成了SQL_ASCII, 那么编码转换会被禁用,无论服务器字符集设置如何。和服务器一样,除非您的业务环境全部使用ASCII数据,否则不建议使用SQL_ASCII

进一步阅读

您可以查阅以下资料了解各种类型的编码系统。

  • CJKV Information Processing: Chinese, Japanese, Korean & Vietnamese Computing

    包含EUC_JP, EUC_CN, EUC_KR, EUC_TW的详细说明。

  • http://www.unicode.org/

    Unicode主页。

  • RFC 3629

    UTF-8(8-bit UCS/Unicode转换格式)的定义。

Copyright © 2011-2024 www.enmotech.com All rights reserved.