Oraclcle字符集计算汉字长度问题总结

阅读更多

前言

　　在历史数据转换项目中遇到中文字符插入问题：

        1.  字符的长度明明是正常，可是偏偏提示不能插入，列值过大

　　　　　通过寻找问题，理解问题，上网查找等等，终于找到了问题的根源所在：

　　　　　　

US7ASCII编码英文字符一般是以一个字节来存储的，7位的编码方案最多只能
  代表128个字符
ASCII编码可以表示的最大字符数是256，其实英文字符并没有那么多，一般只
 用前128个（最高位为0），其中包括了控制字符、数字、大小写字母和其他
 一些符号,而最高位为1的另128个字符被成为“扩展ASCII”，一般用来存放
 英文的制表符、部分音标字符等等的一些其他符号．用来处理英文没有什么问
 题前128个（最高位为0），其中包括了控制字符、数字、大小写字母和其他
 一些符号 而最高位为1的另128个字符被成为“扩展ASCII”，一般用来存放
 英文的制表符、部分音标字符等等的一些其他符号．用来处理英文没有什么问
 题

 

 　　　　　　　　

１．１　汉字占用2个字节（GB2312）
１．２　汉字占用3个字节（AL32UTF8）
     UTF= UCS Transformation Format UCS转换格式 
     UTF-8定义了一种“区间规则”，可以和ASCII编码保持最大程度的兼容 　   UTF-8有点类似于Haffman编码，它将Unicode编码为
     00000000-0000007F的字符，用单个字节来表示；
     00000080-000007FF的字符用两个字节表示 
　　 00000800-0000FFFF的字符用3字节表示 
     Unicode-16规范没有指定FFFF以上的字符，
     UTF-8最多是使用3个字节来表示一个字符。
     但理论上来说，UTF-8最多需要用6字节表示一个字符

 

　　  2.  clob字段，clob长度设为2g，但在插入时，提示不能插入

一、什么是oracle字符集

Oracle字符集是一个字节数据的解释的符号集合,有大小之分,有相互的包容关系。ORACLE 支持国家语言的体系结构允许你使用本地化语言来存储，处理，检索数据。它使数据库工具，错误消息，排序次序，日期，时间，货币，数字，和日历自动适应本地化语言和平台。

影响oracle数据库字符集最重要的参数是NLS_LANG参数。它的格式如下:

     NLS_LANG = language_territory.charset

它有三个组成部分(语言、地域和字符集)，每个成分控制了NLS子集的特性。其中

Language 指定服务器消息的语言，territory 指定服务器的日期和数字格式，charset 指定字符集。如:AMERICAN _ AMERICA. ZHS16GBK

1、查询oracle server端的字符集

select userenv(‘language’) from dual;

2、如何查询dmp文件的字符集

用oracle的exp工具导出的dmp文件也包含了字符集信息，dmp文件的第2和第3个字节记录了dmp文件的字符集。如果dmp文件不大，比如只有几M或几十M，可以用UltraEdit打开(16进制方式)，看第2第3个字节的内容，如0354，然后用以下SQL查出它对应的字符集:

select nls_charset_name(to_number('0354','xxxx')) from dual;
      Result:ZHS16GBK

如果dmp文件很大，比如有2G以上(这也是最常见的情况)，用文本编辑器打开很慢或者完全打不开，可以用以下命令(在unix主机上):

cat exp.dmp |od -x|head -1|awk '{print $2 $3}'|cut -c 3-6

3、查询oracle client端的字符集

dos窗口里面自己设置，比如:

set nls_lang=AMERICAN_AMERICA.ZHS16GBK

这样就只影响这个窗口里面的环境变量

oracle的字符集有互相的包容关系。如us7ascii就是zhs16gbk的子集,从us7ascii到zhs16gbk不会有数据解释上的问题,不会有数据丢失。在所有的字符集中utf8应该是最大,因为它基于unicode,双字节保存字符(也因此在存储空间上占用更多)。