經(jīng)常看到一些朋友問Oracle字符集方面的問題，我想以迭代的方式來介紹一下。第一次迭代：把握字符集方面的基本概念。 有些朋友可能會(huì)認(rèn)為這是多此一舉，但實(shí)際上正是由于對(duì)相關(guān)基本概念把握不清，才導(dǎo)致了諸多問題和疑問。首先是字符集的概念。我們知道，電子計(jì)算機(jī)最初是用來進(jìn)行科學(xué)計(jì)算的（所以叫做“計(jì)算機(jī)”），但隨著技術(shù)的發(fā)展，還需要計(jì)算機(jī)進(jìn)行其它方面的應(yīng)用處理。這就要求計(jì)算機(jī)不僅能處理數(shù)值，還能處理諸如文字、非凡符號(hào)等其它信息，而計(jì)算機(jī)本身能直接處理的只有數(shù)值信息，所以就要求對(duì)這些文字、符號(hào)信息進(jìn)行數(shù)值編碼，最初的字符集是我們都非常熟悉的ASCII，它是用7個(gè)二進(jìn)制位來表示128個(gè)字符，而后來隨著不同國家、組織的需要，出現(xiàn)了許許多多的字符集，如表示西歐字符的ISO8859系列的字符集，表示漢字的GB2312-80、GBK等字符集。字符集的實(shí)質(zhì)就是對(duì)一組特定的符號(hào)，分別賦予不同的數(shù)值編碼，以便于計(jì)算機(jī)的處理。字符集之間的轉(zhuǎn)換。字符集多了，就會(huì)帶來一個(gè)問題，比如一個(gè)字符，在某一字符集中被編碼為一個(gè)數(shù)值，而在另一個(gè)字符集中被編碼為另一個(gè)數(shù)值，比如我來創(chuàng)造兩個(gè)字符集demo_charset1與demo_charset2，在demo_charset1中，我規(guī)定了三個(gè)符號(hào)的編碼為：A（0001），B（0010），？（1111）；而在demo_charset2中，我也規(guī)定了三個(gè)符號(hào)的編碼為：A（1001），C（1011），？（1111），這時(shí)我接到一個(gè)任務(wù)，要編寫一個(gè)程序，負(fù)責(zé)在demo_charset1與demo_charset2之間進(jìn)行轉(zhuǎn)換。由于知道兩個(gè)字符集的編碼規(guī)則，對(duì)于demo_charset1中的0001，在轉(zhuǎn)換為demo_charset2時(shí)，要將其編碼改為1001；對(duì)于demo_charset1中的1111，轉(zhuǎn)換為demo_charset2時(shí)，其數(shù)值不變；而對(duì)于demo_charset1中的0010，其對(duì)應(yīng)的字符為B，但在demo_charset2沒有對(duì)應(yīng)的字符，所以從理論上無法轉(zhuǎn)換，對(duì)于所有這類無法轉(zhuǎn)換的情況，我們可以將它們統(tǒng)一轉(zhuǎn)換為目標(biāo)字符集中的一個(gè)非凡字符（稱為“替換字符”），比如在這里我們可以將？作為替換字符，所以B就轉(zhuǎn)換為了？，出現(xiàn)了信息的丟失；同樣道理，將demo_charset2的C字符轉(zhuǎn)換到demo_charset1時(shí)，也會(huì)出現(xiàn)信息丟失。所以說，在字符集轉(zhuǎn)換過程中，假如源字符集中的某個(gè)字符在目標(biāo)字符集中沒有定義，將會(huì)出現(xiàn)信息丟失。數(shù)據(jù)庫字符集的選擇。我們?cè)趧?chuàng)建數(shù)據(jù)庫時(shí)，需要考慮的一個(gè)問題就是選擇什么字符集與國家字符集（通過create database中的CHARACTER SET與NATIONAL CHARACTER SET子句指定）。考慮這個(gè)問題，我們必須要清楚數(shù)據(jù)庫中都需要存儲(chǔ)什么數(shù)據(jù)，假如只需要存儲(chǔ)英文信息，那么選擇US7ASCII作為字符集就可以；但是假如要存儲(chǔ)中文，那么我們就需要選擇能夠支持中文的字符集（如ZHS16GBK）；假如需要存儲(chǔ)多國語言文字，那就要選擇UTF8了。數(shù)據(jù)庫字符集的確定，實(shí)際上說明這個(gè)數(shù)據(jù)庫所能處理的字符的集合及其編碼方式，由于字符集選定后再進(jìn)行更改會(huì)有諸多的限制，所以在數(shù)據(jù)庫創(chuàng)建時(shí)一定要考慮清楚后再選擇。而我們?cè)S多朋友在創(chuàng)建數(shù)據(jù)庫時(shí)，不考慮清楚，往往選擇一個(gè)默認(rèn)的字符集，如WE8ISO8859P1或US7ASCII，而這兩個(gè)字符集都沒有漢字編碼，所以用這種字符集存儲(chǔ)漢字信息從原則上說就是錯(cuò)誤的。雖然在有些時(shí)候選用這種字符集好象也能正常使用，但它會(huì)給數(shù)據(jù)庫的使用與維護(hù)帶來一系列的麻煩，在后面的迭代過程中我們將深入分析。客戶端的字符集。有過一些Oracle使用經(jīng)驗(yàn)的朋友，大多會(huì)知道通過NLS_LANG來設(shè)置客戶端的情況，NLS_LANG由以下部分組成：NLS_LANG=<Language>_<Territory>.<Clients Characterset>，其中第三部分<Clients Characterset>的本意就是用來指明客戶端操作系統(tǒng)缺省使用的字符集。所以按正規(guī)的用法，NLS_LANG應(yīng)該按照客戶端機(jī)器的實(shí)際情況進(jìn)行配置，尤其對(duì)于字符集一項(xiàng)更是如此，這樣Oracle就能夠在最大程度上實(shí)現(xiàn)數(shù)據(jù)庫字符集與客戶端字符集的自動(dòng)轉(zhuǎn)換（當(dāng)然是假如需要轉(zhuǎn)換的話）。總結(jié)一下第一次迭代的重點(diǎn)：字符集：將特定的符號(hào)集編碼為計(jì)算機(jī)能夠處理的數(shù)值；字符集間的轉(zhuǎn)換：對(duì)于在源字符集與目標(biāo)字符集都存在的符號(hào)，理論上轉(zhuǎn)換將不會(huì)產(chǎn)生信息丟失；而對(duì)于在源字符集中存在而在目標(biāo)字符集中不存在的符號(hào)，理論上轉(zhuǎn)換將會(huì)產(chǎn)生信息丟失；數(shù)據(jù)庫字符集：選擇能夠包含所有將要存儲(chǔ)的信息符號(hào)的字符集；客戶端字符集設(shè)置：指明客戶端操作系統(tǒng)缺省使用的字符集。第二次迭代：通過實(shí)例加深對(duì)基本概念的理解 下面我將引用網(wǎng)友tellin在ITPUB上發(fā)表的“CHARACTER SET研究及疑問”帖子，該朋友在帖子中列舉了他做的相關(guān)實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果提出了一些疑問，我將對(duì)他的實(shí)驗(yàn)結(jié)果進(jìn)行分析，并回答他的疑問。實(shí)驗(yàn)結(jié)果分析一quote: --------------------------------------------------------------------------------最初由 tellin 發(fā)布設(shè)置客戶端字符集為US7ASCII D:>SET NLS_LANG=AMERICAN_AMERICA.US7ASCII查看服務(wù)器字符集為US7ASCII SQL> SELECT * FROM NLS_DATABASE_PARAMETERS;PARAMETER VALUE------------------------------ ----------------------------------------NLS_CHARACTERSET US7ASCII 建立測(cè)試表 SQL> CREATE TABLE TEST (R1 VARCHAR2(10));Table created.插入數(shù)據(jù)SQL> INSERT INTO TEST VALUES('東北');1 row created.SQL> SELECT * FROM TEST;R1----------東北SQL> EXIT--------------------------------------------------------------------------------;這一部分的實(shí)驗(yàn)數(shù)據(jù)的存取與顯示都正確，好象沒什么問題，但實(shí)際上卻隱藏著很大的隱患。首先，要將漢字存入數(shù)據(jù)庫，而將數(shù)據(jù)庫字符集設(shè)置為US7ASCII是不合適的。US7ASCII字符集只定義了128個(gè)符號(hào)，并不支持漢字。另外，由于在SQL*PLUS中能夠輸入中文，操作系統(tǒng)缺省應(yīng)該是支持中文的，但在NLS_LANG中的字符集設(shè)置為US7ASCII，顯然也是不正確的，它沒有反映客戶端的實(shí)際情況。但實(shí)際顯示卻是正確的，這主要是因?yàn)镺racle檢查數(shù)據(jù)庫與客戶端的字符集設(shè)置是同樣的，那么數(shù)據(jù)在客戶與數(shù)據(jù)庫之間的存取過程中將不發(fā)生任何轉(zhuǎn)換。具體地說，在客戶端輸入“東北”，“東”的漢字的編碼為182（10110110）、171（10101011），“北”漢字的編碼為177（10110001）、177（10110001），它們將不做任何變化的存入數(shù)據(jù)庫中，但是這實(shí)際上導(dǎo)致了數(shù)據(jù)庫標(biāo)識(shí)的字符集與實(shí)際存入的內(nèi)容是不相符的，從某種意義上講，這也是一種不一致性，也是一種錯(cuò)誤。而在SELECT的過程中，Oracle同樣檢查發(fā)現(xiàn)數(shù)據(jù)庫與客戶端的字符集設(shè)置是相同的，所以它也將存入的內(nèi)容原封不動(dòng)地傳送到客戶端，而客戶端操作系統(tǒng)識(shí)別出這是漢字編碼所以能夠正確顯示。在這個(gè)例子中，數(shù)據(jù)庫與客戶端的設(shè)置都有問題，但卻好象起到了“負(fù)負(fù)得正”的效果，從應(yīng)用的角度看倒好象沒問題。但這里面卻存在著極大的隱患，比如在應(yīng)用length或substr等字符串函數(shù)時(shí)，就可能得到意外的結(jié)果。另外，假如碰到導(dǎo)入/導(dǎo)出（import /eXPort）將會(huì)碰到更大的麻煩。有些朋友在這方面做了大量的測(cè)試，如eygle研究了“源數(shù)據(jù)庫字符集為US7ASCII，導(dǎo)出文件字符集為US7ASCII或ZHS16GBK，目標(biāo)數(shù)據(jù)庫字符集為ZHS16GBK”的情況，他得出的結(jié)論是 “假如的是在Oracle92中，我們發(fā)現(xiàn)對(duì)于這種情況，不論怎樣處理，這個(gè)導(dǎo)出文件都無法正確導(dǎo)入到Oracle9i數(shù)據(jù)庫中”、“對(duì)于這種情況，我們可以通過使用Oracle8i的導(dǎo)出工具，設(shè)置導(dǎo)出字符集為US7ASCII，導(dǎo)出后修改第二、三字符，修改 0001 為0354,這樣就可以將US7ASCII字符集的數(shù)據(jù)正確導(dǎo)入到ZHS16GBK的數(shù)據(jù)庫中”。我想對(duì)于這些結(jié)論，這樣理解可能更合適一些：由于ZHS16GBK字符集是US7ASCII的超級(jí)，所以假如按正常操作，這種轉(zhuǎn)換應(yīng)該沒有問題；但出現(xiàn)問題的本質(zhì)是我們讓本應(yīng)只存儲(chǔ)英文字符的US7ASCII數(shù)據(jù)庫，非常規(guī)地存儲(chǔ)了中文信息，那么在轉(zhuǎn)化過程中出現(xiàn)錯(cuò)誤或麻煩就沒什么希奇的了，不出麻煩倒是有些希奇了。所以說要避免這種情況，就是要在建立數(shù)據(jù)庫時(shí)選擇合適的字符集，不讓標(biāo)簽（數(shù)據(jù)庫的字符集設(shè)置）與實(shí)際（數(shù)據(jù)庫中實(shí)際存儲(chǔ)的信息）不符的情況發(fā)生。實(shí)驗(yàn)結(jié)果分析二 quote: --------------------------------------------------------------------------------[ 更改客戶端字符集為ZHS16GBKD:>SET NLS_LANG=AMERICAN_AMERICA.ZHS16GBKD:>SQLPLUS '/ AS SYSDBA'無法正常顯示數(shù)據(jù)SQL> SELECT * FROM TEST;R1--------------------6+11疑問1：ZHS16GBK為US7ASCII的超集，為什么在ZHS16GBK環(huán)境下無法正常顯示 --------------------------------------------------------------------------------;這主要是因?yàn)镺racle檢查發(fā)現(xiàn)數(shù)據(jù)庫設(shè)置的字符集與客戶端配置字符集不同，它將對(duì)數(shù)據(jù)進(jìn)行字符集的轉(zhuǎn)換。數(shù)據(jù)庫中實(shí)際存放的數(shù)據(jù)為182（10110110）、171（10101011）、177（10110001）、177（10110001），由于數(shù)據(jù)庫字符集設(shè)置為US7ASCII，它是一個(gè)7bit的字符集，存儲(chǔ)在8bit的字節(jié)中，則Oracle忽略各字節(jié)的最高bit，則182（10110110）就變成了54（0110110），在ZHS16GBK中代表數(shù)字符號(hào)“6”（當(dāng)然在其它字符集中也是“6”），同樣過程也發(fā)生在其它3個(gè)字節(jié)，這樣“東北”就變成了“6+11”。實(shí)驗(yàn)結(jié)果分析三 quote: --------------------------------------------------------------------------------最初由 tellin 發(fā)布用ZHS16GBK插入數(shù)據(jù)SQL> INSERT INTO TEST VALUES('東北');1 row created.SQL> SELECT * FROM TEST;R1--------------------6+11??SQL> EXIT--------------------------------------------------------------------------------當(dāng)客戶端字符集設(shè)置為ZHS16GBK后向數(shù)據(jù)庫插入“東北”，Oracle檢查發(fā)現(xiàn)數(shù)據(jù)庫設(shè)置的字符集為US7ASCII與客戶端不一致，需要進(jìn)行轉(zhuǎn)換，但字符集ZHS16GBK中的“東北”兩字在US7ASCII中沒有對(duì)應(yīng)的字符，所以O(shè)racle用統(tǒng)一的“替換字符”插入數(shù)據(jù)庫，在這里為“？”，編碼為63（00111111），這時(shí)，輸入的信息實(shí)際上已經(jīng)丟失，不管字符集設(shè)置如何改變（如下面引用的實(shí)驗(yàn)結(jié)果），第二行SELECT出來的結(jié)果也都是兩個(gè)“？”號(hào)（注重是2個(gè)，而不是4個(gè)）。 quote: --------------------------------------------------------------------------------更改客戶端字符集為US7ASCII D:>SET NLS_LANG=AMERICAN_AMERICA.US7ASCIID:>SQLPLUS '/ AS SYSDBA'無法顯示用ZHS16GBK插入的字符集，但可以顯示用US7ASCII插入的字符集SQL> SELECT * FROM TEST;R1----------東北??更改服務(wù)器字符集為ZHS16GBKSQL> update props$ set value$='ZHS16GBK' WHERE NAME='NLS_CHARACTERSET';1 row updated.SQL> COMMIT;更改客戶端字符集為ZHS16GBKD:>SET NLS_LANG=AMERICAN_AMERICA.ZHS16GBKD:>SQLPLUS '/ AS SYSDBA'可以顯示以前US7ASCII的字符集，但無法顯示用ZHS16GBK插入的數(shù)據(jù)，說明用ZHS16GBK插入的數(shù)據(jù)為亂碼。SQL> SELECT * FROM TEST;R1--------------------東北??--------------------------------------------------------------------------------需要指出的是，通過“update props$ set value$='ZHS16GBK' WHERE NAME='NLS_CHARACTERSET';”來修改數(shù)據(jù)庫字符集是非常規(guī)作法，很可能引起問題，在這里只是原文引用網(wǎng)友的實(shí)驗(yàn)結(jié)果。 ;實(shí)驗(yàn)結(jié)果分析四 quote: --------------------------------------------------------------------------------SQL> INSERT INTO TEST VALUES('東北');1 row created.SQL> SELECT * FROM TEST;R1--------------------東北??東北SQL> EXIT--------------------------------------------------------------------------------由于此時(shí)數(shù)據(jù)庫與客戶端的字符集設(shè)置均為ZHS16GBK，所以不會(huì)發(fā)生字符集的轉(zhuǎn)換，第一行與第三行數(shù)據(jù)顯示正確，而第二行由于存儲(chǔ)的數(shù)據(jù)就是63（00111111），所以顯示的是“？”號(hào)。quote: --------------------------------------------------------------------------------更改客戶端字符集為US7ASCIID:>SET NLS_LANG=AMERICAN_AMERICA.US7ASCIID:>SQLPLUS '/ AS SYSDBA'無法顯示數(shù)據(jù)SQL> SELECT * FROM TEST;R1----------??????疑問2：第一行數(shù)據(jù)是用US7ASCII環(huán)境插入的，為何無法正常顯示？ --------------------------------------------------------------------------------將客戶端字符集設(shè)置改為US7ASCII后進(jìn)行SELECT，Oracle檢查發(fā)現(xiàn)數(shù)據(jù)庫設(shè)置的字符集為ZHS16GBK，數(shù)據(jù)需要進(jìn)行字符集轉(zhuǎn)換，而第一行與第三行的漢字“東”與“北”在客戶端字符集US7ASCII中沒有對(duì)應(yīng)字符，所以轉(zhuǎn)換為“替換字符”（“？”），而第二行數(shù)據(jù)在數(shù)據(jù)庫中存的本來就是兩個(gè)“？”號(hào)，所以雖然在客戶端顯示的三行都是兩個(gè)“？”號(hào)，但在數(shù)據(jù)庫中存儲(chǔ)的內(nèi)容卻是不同的。實(shí)驗(yàn)結(jié)果分析五 quote: --------------------------------------------------------------------------------SQL> INSERT INTO TEST VALUES('東北');1 row created.SQL> EXIT更改客戶端字符集為ZHS16GBKD:>SET NLS_LANG=AMERICAN_AMERICA.ZHS16GBKD:>SQLPLUS '/ AS SYSDBA'無法顯示用US7ASCII插入的字符集，但可以顯示用ZHS16GBK插入的字符集SQL> SELECT * FROM TEST;R1--------------------東北??東北6+11SQL>疑問3：US7ASCII為ZHS16GBK的子集，為何在US7ASCII環(huán)境下插入的數(shù)據(jù)無法顯示？ [/B] --------------------------------------------------------------------------------在客戶端字符集設(shè)置為US7ASCII時(shí)，向字符集為ZHS16GBK的數(shù)據(jù)庫中插入“東北”，需要進(jìn)行字符轉(zhuǎn)換，“東北”的ZHS16GBK編碼為182（10110110）、171（10101011）與177（10110001）、177（10110001），由于US7ASCII為7bit編碼，Oracle將這兩個(gè)漢字當(dāng)作四個(gè)字符，并忽略各字節(jié)的最高位，從而存入數(shù)據(jù)庫的編碼就變成了54（00110110）、43（00101011）與49（00110001）、49（00110001），也就是“6+11”，原始信息被改變了。這時(shí)，將客戶端字符集設(shè)置為ZHS16GBK再進(jìn)行SELECT，數(shù)據(jù)庫中的信息不需要改變傳到客戶端，第一、三行由于存入的信息沒有改變能顯示“東北”，而第二、四行由于插入數(shù)據(jù)時(shí)信息改變，所以不能顯示原有信息了。;分析了這么多的內(nèi)容，但實(shí)際上總結(jié)起來也很簡(jiǎn)單，要想在字符集方面少些錯(cuò)誤與麻煩，需要堅(jiān)持兩條基本原則： 在數(shù)據(jù)庫端：選擇需要的字符集（通過create database中的CHARACTER SET與NATIONAL CHARACTER SET子句指定）；在客戶端：設(shè)置操作系統(tǒng)實(shí)際使用的字符集（通過環(huán)境變量NLS_LANG設(shè)置）。例如:CHARACTER SET ZHS16GBKNATIONAL CHARACTER SET AL16UTF16