MogDB 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

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;
复制

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的-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)
复制

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。

当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

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
  复制

• 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';
  复制

  您也可以使用标准SQL语法SET NAMES：

  SET NAMES 'value';
  复制

  查询当前客户端编码：

  SHOW client_encoding;
  复制

  重置默认编码：

  RESET client_encoding;
  复制

• 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。