全面認識Oracle資料庫字元集(1)

什麼是Oracle字元集

Oracle字元集是一個位元組資料解釋的符號集合，有大小之分，有相互的包容關係。

Oracle支援國家語言的體繫結構允許你使用本地化語言來儲存，處理，檢索資料。它使資料庫工具，錯誤訊息，排序次序，日期，時間，貨幣，數字和日曆自動適應本地化語言和平台。

影響oracle資料庫字元集最重要的參數是NLS_LANG參數。它的格式如下：

NLS_LANG = language_territory.charset

它有三個組成部分語言、地區和字元集），每個成分控制了NLS子集的特性。其中：

Language指定伺服器訊息的語言，territory指定伺服器的日期和數字格式，charset指定字元集。如：AMERICAN _ AMERICA. ZHS16GBK。

從NLS_LANG的組成我們可以看出，真正影響資料庫字元集的其實是第三部分。所以兩個資料庫之間的字元集只要第三部分一樣就可以相互匯入匯出資料，前面影響的只是提示資訊是中文還是英文。

如何查詢Oracle的字元集

很多人都碰到過因為字元集不同而使資料匯入失敗的情況。這涉及三方面的字元集，一是Oracel server端的字元集，二是oracle client端的字元集；三是dmp檔案的字元集。在做資料匯入的時候，需要這三個字元集都一致才能正確匯入。

1、查詢Oracle Server端的字元集

有很多種方法可以查出oracle server端的字元集，比較直觀的查詢方法是以下這種：

SQL>select userenv(‘language’) from dual;

結果類似如下：AMERICAN _ AMERICA. ZHS16GBK.

2、如何查詢dmp檔案的字元集

用Oracle的exp工具匯出的dmp檔案也包含了字元集資訊，dmp檔案的第2和第3個位元組記錄了dmp檔案的字元集。如果dmp檔案不大，比如只有幾M或幾十M，可以用UltraEdit開啟16進位方式），看第2第3個位元組的內容，如0354，然後用以下SQL查出它對應的字元集：

SQL> select nls_charset_name(to_number('0354','xxxx')) from dual;  ZHS16GBK

如果dmp檔案很大，比如有2G以上這也是最常見的情況），用文字編輯器開啟很慢或者完全打不開，可以用以下命令在unix主機上）：

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

然後用上述SQL也可以得到它對應的字元集。

3、查詢Oracle client端的字元集

這個比較簡單。在Windows平台下，就是註冊表裡面相應OracleHome的NLS_LANG.還可以在Dos視窗裡面自己設定，比如：

set nls_lang=AMERICAN_AMERICA.ZHS16GBK

這樣就隻影響這個視窗裡面的環境變數。在Unix平台下，就是環境變數NLS_LANG.

$echo $NLS_LANG AMERICAN_AMERICA.ZHS16GBK

如果檢查的結果發現Server端與Client端字元集不一致，請統一修改為同Server端相同的字元集。

修改Oracle的字元集

上文說過，oracle的字元集有互相的包容關係。

如us7ascii就是zhs16gbk的子集，從us7ascii到zhs16gbk不會有資料解釋上的問題，不會有資料丟失。在所有的字元集中utf8應該是最大，因為它基於unicode，雙位元組儲存字元也因此在儲存空間上佔用更多）。

一旦資料庫建立後，資料庫的字元集理論上講是不能改變的。因此，在設計和安裝之初考慮使用哪一種字元集十分重要。根據Oracle的官方說明，字元集的轉換是從子集到超集受支援，反之不行。如果兩種字元集之間根本沒有子集和超集的關係，那麼字元集的轉換是不受oracle支援的。對資料庫server而言，錯誤的修改字元集將會導致很多不可測的後果，可能會嚴重影響資料庫的正常運行，所以在修改之前一定要確認兩種字元集是否存在子集和超集的關係。一般來說，除非萬不得已，我們不建議修改oracle資料庫server端的字元集。特別說明，我們最常用的兩種字元集ZHS16GBK和ZHS16CGB231280之間不存在子集和超集關係，因此理論上講這兩種字元集之間的相互轉換不受支援。