歡迎進(jìn)入Oracle社區(qū)論壇，與200萬技術(shù)人員互動(dòng)交流 >>進(jìn)入 1. 字符集與編碼常識 字符集： 人們根據(jù)需要把某些字符收集到一處，并賦以名稱，于是便有了某某字符集。 例如： ASCII: ASCII字符集：包含大小寫英文、阿拉伯?dāng)?shù)字、標(biāo)點(diǎn)，以及一些不可見的控制符共1

歡迎進(jìn)入Oracle社區(qū)論壇，與200萬技術(shù)人員互動(dòng)交流 >>進(jìn)入

　　1. 字符集與編碼常識

　　字符集：

　　人們根據(jù)需要把某些字符收集到一處，并賦以名稱，于是便有了某某字符集。

　　例如：

　　ASCII:

　　ASCII字符集：包含大小寫英文、阿拉伯?dāng)?shù)字、標(biāo)點(diǎn)，以及一些不可見的控制符共128個(gè)。

　　ASCII編碼：使用7位表示一個(gè)字符。編碼范圍是[0-127]（即Hex[00-7F]），其中[0-31]（Hex[00-1F]）部分以及127（Hex7F）是控制符，其余的都是些可見字符。

　　GB2312:

　　GB2312字符集：ASCII字符集+7000左右漢字字符。

　　GB2312編碼：兼容ASCII編碼。對字節(jié)進(jìn)行判斷，如值<=127,則意義等同于ASCII編碼；如值>127,則它需要跟其后的另一個(gè)字節(jié)合并表示一個(gè)字符。其理論漢字編碼空間為128X256,超過3萬個(gè)字符。

　　GBK:

　　GBK字符集：GB2312字符集+20000左右漢字字符。

　　GBK編碼：兼容GB2312編碼。利用了GB2312編碼閑置的編碼空間。

　　GB18030:

　　GB18030字符集：GBK字符集+若干漢字+若干少數(shù)民族字符，為目前國內(nèi)最新的字符集。

　　GB18030編碼：兼容GBK編碼。繼續(xù)利用GBK編碼閑置的編碼空間，對于超出編碼空間的則采用4個(gè)字節(jié)表示。

　　BIG5:

　　BIG5字符集：ASCII字符集+13000左右漢字（繁體）。

　　BIG編碼：兼容ASCII編碼。其編碼模式類似于GB2312.

　　UNICODE:（UNICODE一詞在日常使用中顯得寬泛、混亂，在不同的語境中可以是以下意思之一。）

　　UNICODE標(biāo)準(zhǔn)：由一些組織提出的一套標(biāo)準(zhǔn)，對人類文字的顯示、編碼等進(jìn)行了一系列的規(guī)定。

　　UNICODE字符集：目前最新版的UNICODE字符集中已經(jīng)包含各種語言的超過10萬的字符。

　　UNICODE編碼：（狹義的UNICODE編碼可能指UCS-2,也可能指UTF-16;廣義的UNICODE編碼可以指包括以下四種在內(nèi)的若干種對UNICODE標(biāo)準(zhǔn)的編碼實(shí)現(xiàn)。）

　　1. UTF-32編碼：固定使用4個(gè)字節(jié)來表示一個(gè)字符，存在空間利用效率的問題。

　　2. UTF-16編碼：對相對常用的60000余個(gè)字符使用兩個(gè)字節(jié)進(jìn)行編碼，其余的（即'補(bǔ)充字符supplementary characters'）使用4字節(jié)。

　　3. UCS-2編碼：是對UNICODE早期版本的實(shí)現(xiàn)，它與UTF-16的唯一區(qū)別是它不包括'補(bǔ)充字符',所以它對字符的編碼只使用兩個(gè)字節(jié)。目前此編碼模式已過時(shí)。

　　4. UTF-8編碼：兼容ASCII編碼；拉丁文、希臘文等使用兩個(gè)字節(jié)；包括漢字在內(nèi)的其它常用字符使用三個(gè)字節(jié)；剩下的極少使用的字符使用四個(gè)字節(jié)。

　　ISO8859-1:（使用Oracle的同志們可能見過這個(gè)WE8ISO89859P1,沒錯(cuò)，就是它。）

　　ISO8859-1字符集：ASCII字符集+若干西歐字符，例如字母？、？.

　　ISO8859-1編碼：使用8位表示一個(gè)字符，同時(shí)移除了原ASCII編碼中的控制符（即[0-31],及127）。

　　Code page:（可以把"code page"認(rèn)為是"編碼"的近義詞。至于為什么有這個(gè)名稱？歷史遺留問題。）

　　ANSI code pages:你一定見過ANSI,想想另存文本文件時(shí)。ANSI code pages實(shí)際上是一系列的編碼集合，根據(jù)操作系統(tǒng)區(qū)域設(shè)置而激活其中一種作為默認(rèn)ANSI編碼。例如公司電腦（英文系統(tǒng)）上的ANSI code page可能是1252,而家里的中文系統(tǒng)則可能是936.所以在家里可以用ANSI存儲一個(gè)包含中文的文本文件，在公司則不行。可以在注冊表鍵：HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\NLS\CodePage\ACP中查看到當(dāng)前使用的ANSI code page. C#可以通過Encoding.Default查看。

　　OEM code pages: OEM code pages是給控制臺應(yīng)用程序（如SQLPLUS）使用的。除CJK環(huán)境（Chinese-Japanese-Korean）外，Windows使用不同的ANSI code page和OEM code page.例如，公司英文系統(tǒng)上使用的是437.可以使用CHCP命令查看當(dāng)前使用的OEM code page, C#可以通過Console.OutputEncoding查看。

　　Code page 1252:

　　cp1252字符集：ASCII字符集+若干西歐字符+若干特殊符號，比如？、‰。

　　cp1252編碼：使用8位表示一個(gè)字符。編碼范圍是[0-255]（即Hex[00-FF]），[0-127]部分與ASCII相同，新增的大部分是西歐的字符，例如一些帶上標(biāo)的字母？、？,以及像這樣一類特殊符號）

　　PS1:現(xiàn)實(shí)中兩臺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與cp437編碼表下載請猛擊這里，早期控制臺應(yīng)用程序常常需要畫一些粗糙的表格等等圖形，所以可以在437中看到不少不同的橫線豎線這一類的特殊符號。

　　PS3:CP1252、ISO8859-1、ASCII比較，就實(shí)際使用的編碼范圍來說：CP1252>ISO8859-1>ASCII.ASCII是[0-127],CP1252是[0-255],ISO8859-1則移除了cp1252中[0-31]及127這些不可見的控制符，同進(jìn)移除了[128-159]（即Hex[80-9F]）中的特殊符號。

　　2. 字符集 2.1. 編碼schema

　　§ 單字節(jié)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）

　　§ 變長多字節(jié)字符集：例如Japanese Extended UNIX Code（JEUC）、ChineseGB2312-80（GB2312-80）、AL32UTF8（UTF-8）

　　§ 定長多字節(jié)字符集：只有National Character Set（AL16UTF16）是定長多字節(jié)字符集，是2個(gè)字節(jié)的Unicode編碼

　　§ Unicode（AL32UTF8,AL16UTF16,UTF8）：Oracle使用AL32UTF8、UTF8、UTFE作為數(shù)據(jù)庫字符集，使用AL16UTF16和UTF8作為國家語言字符集。

　　2.2. 數(shù)據(jù)庫字符集與國家字符集比較

　　為什么要有兩個(gè)字符集？如果我知道只需要英文，設(shè)置數(shù)據(jù)庫字符集=US7ASCII,如果我知道只需要西歐字符，設(shè)置數(shù)據(jù)庫字符集=WE8MSWIN1252或者WE8ISO89859P1,或者干脆就用AL32UTF8.你看，我只需要設(shè)定"數(shù)據(jù)庫字符集",那么"國家字符集"有什么必要呢？

　　其實(shí)，考慮到歷史遺留問題以及數(shù)據(jù)庫創(chuàng)建者們無法避免的"短視",很多現(xiàn)有數(shù)據(jù)庫都無法支持UNICODE字符集，例如要在現(xiàn)有的US7ASCII數(shù)據(jù)庫字符集的數(shù)據(jù)庫中存儲中文，這個(gè)時(shí)候"國家字符集"+NVARCHAR2這樣的組合就能救你一命了。對于數(shù)據(jù)類型為NVARCHAR2（以及NCHAR, NCLOB）的字段，它使用是國家字符集，與數(shù)據(jù)庫字符集的設(shè)置無關(guān)。自9i以后，國家字符集可選的只有AL16UTF16與AL32UTF8,UTF-16與UTF-8都是UNICODE編碼標(biāo)準(zhǔn)的實(shí)現(xiàn)，因些可以表示世界上幾乎所有的文字。

　　當(dāng)然，如果數(shù)據(jù)庫字符集本身就使了UNICODE字符集，就沒有必要使用NVARCHAR2, NCHAR, NCLOB這些類型了。

　　數(shù)據(jù)庫字符集與國家字符集比較：

　　數(shù)據(jù)庫字符集

　　國家字符集

　　在創(chuàng)建時(shí)定義

　　在創(chuàng)建時(shí)定義

　　不重建不能再改變

　　除了一些例外，不重建不能再改變

　　用char、varchar2、clob、long存放數(shù)據(jù)列

　　用NCHAR、NVARCHAR2、NCLOB存放數(shù)據(jù)列

　　可以存放變長字符集

　　可以使用AL16UTF16或者UTF8存放Unicode

　　Oracle對字符集的命名實(shí)際上有一定的規(guī)則可尋，例如：

　　AL32UTF8

　　【AL】支持所有語言（All Language）。

　　【32】每字符最多占用32位（4字節(jié)）。

　　【UTF8】編碼為UTF-8.

　　WE8MSWIN1252

　　【W(wǎng)E】支持西歐語言（Western Europe）。

　　【8】每字符需要占用8位（單字節(jié)）。

　　【MSWIN1252】編碼為CP1252.

　　US7ASCII

　　【US】表示美國（United States）。

[1] [2] [3]

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com