Oracle 字符集

作為一個Oracle資料庫的使用者，對於Export和Import兩個命令絕對不會感到陌生，因為這二者正是我們經常用於資料備份和恢復的工具。但在使用這兩個命令過程中所發生的Oracle字符集問題，常給一些Oracle使用者帶來不必要的麻煩和不必要的資料損失。本文將就Export和Import過程中Oracle字符集的轉換規律及使用這兩個命令的注意事項做一總結。



字符集轉換的原因
Export、Import過程如下圖所示，從這個示意圖中可以看到有四處關係到字符集，而這四處字符集的不一致恰恰是導致Oracle進行字符集轉換的原因。

源資料庫字符集；
Export過程中使用者會話字符集；
Import過程中使用者會話字符集；
目標資料庫字符集。
在Export和Import過程中，如果存在影響字符集轉換的四因素不一致，則可能發生Oracle字符集轉換，即：

在Export過程中，如果源資料庫字符集與Export使用者會話字符集不一致，會發生字符集轉換，並在匯出的二進位制格式Dmp檔案的頭部幾個位元組中儲存Export使用者會話字符集的ID號。在這個轉換過程中可能發生資料的丟失。
例1: 如果源資料庫使用ZHS16GBK，而Export使用者會話字符集使用US7ASCII，由於ZHS16GBK是8位字符集,而US7ASCII是7位字符集，這個轉換過程中，中文字元在US7ASCII中不能夠找到對等的字元，所以所有中文字元都會丟失而變成“?? ”形式，即這種轉換後生成的Dmp檔案已經發生了資料丟失。
例2: 如果源資料庫使用ZHS16GBK,而Export使用者會話字符集使用ZHS16CGB231280，但由於ZHS16GBK字符集是ZHS16CGB231280字符集的超集，這個過程中絕大部分字元都能夠正確轉換，只有一些超出ZHS16CGB231280字符集的字元變為“?? ”形式。如果源資料庫使用ZHS16CGB231280字符集，而Export使用者會話使用ZHS16GBK字符集，則轉換過程能夠完全轉換成功。
在Import向目標資料庫轉換過程中，其字符集發生轉換的情況正好與Export過程相反，這裡不再詳述。
在Export匯出的Dmp檔案中，含有Export使用者會話字符集。在Import過程中，首先發生的是Dmp檔案字符集（即Export使用者會話字符集）向Import使用者會話字符集的轉換。如果這個轉換過程不能正確完成，Import向目標資料庫的匯入過程也就不能完成。

進行字符集的正確轉換
通常情況下，我們在使用Oracle的Export和Import過程中，並不希望發生字元的轉換，但有時這種轉換卻是必要的。如我們在安裝Oracle資料庫時，選擇ZHS16CGB231280字符集，由於這種字符集是一種中文小字符集，對於一些漢字不能夠正確表示，這需要透過使用ZHS16GBK字符集得到解決，此時就要進行字符集的轉換。

為了確保Export、Import過程中，Oracle字符集不發生轉換或正確轉換，建議最好在進行這個過程前，檢查一下源資料庫字符集與Export使用者會話字符集是否一致，源資料庫字符集與目標資料庫字符集是否一致，目標資料庫字元與Import使用者會話字符集是否一致。如果能夠保證這四個字符集是一致的，則在Export、Import過程中，Oracle字符集就不用發生轉換。

可用以下辦法檢查資料庫字符集:

透過InitXXXX.ora檔案進行檢視；
藉助SQL語句檢視： SELECT NAME,VALUE$ FROM SYS.PROPS$ WHERE NAME=‘NLS_CHARACTERSET’。
對於Export、Import使用者會話字符集，在Windows系統中也可以透過登錄檔中的NLS_LANG進行檢視或修改，對於Unix系統則可透過設定使用者的環境變數NLS_LANG來檢視或修改。

特別要注意的是，Oracle資料庫字符集通常是在建立時確定，一旦儲存使用者資料後就不要再修改了，因為其資料都是使用該字符集進行儲存的，改換其他字符集之後，原有資料就不能夠正確表示了。但如果確實想進行字符集改變，則可透過以下幾步來實現：

備份資料庫後刪除原資料（可物理備份，如使用Export，請注意確保字符集不發生轉換或資料無損失）；
使用Internal使用者更新sys.props$表中的字符集:
Update sys.props$ set name=‘Dest.CharSet’ Where name=‘NLS_CHARACTERSET’; COMMIT;
重啟資料庫；
恢復資料。
下面字符集之間的轉換是可行的：

字符集子集向字符集父集轉換是可行的，如ZHS16CGB231280向ZHS16GBK轉換；而字符集父類向字符集子集進行轉換時，會損失部分資料。
只包含英文字元資料的雙位元組字符集也可向單位元組字符集轉換，如ZHS16GBK(English Only)可以向US7ASCII正確轉換。
編碼範圍相同的單位元組字符集之間通常可以進行相互轉換。
請注意，這裡所說的沒有資料損失，是指一種字符集A轉換成另一種字符集B之後，可以再從字符集B正確轉換成字符集A或字符集B能夠正確表示字符集A中轉換過來的資料。


字符集對程式的影響
根據一個字元需要多少位位元組來表示，可以把字符集分為單位元組字符集和多位元組字符集。其中，單位元組字符集又分為7位字符集和8位字符集。單位元組7位編碼字符集有US7ASCⅡ，單位元組8位編碼字符集有符合ISO 8859-1標準規定的WE8ISO8859P1等。多位元組編碼又分為固定長度（長度大於或等於2）編碼模式和不固定長度編碼模式。多位元組編碼字符集中的ZHS16GBK、ZHS16CGB231280、JA16SJIS等是採用兩個位元組表示一個字元的字符集，又叫雙位元組字符集。

一個英文字母是一個字元，一箇中文漢字是幾個字元呢？我們知道，一箇中文漢字是雙位元組字元，但它有幾個字元與其資料庫字符集有關。如果資料庫字符集使用單位元組US7ASCII，則一箇中文漢字是二個字元；如果資料庫字符集使用雙位元組字符集ZHS16GBK，則一箇中文漢字是一個字元。有關這一點可以使用Oracle的函式Substr得到證明。
使用US7ASCⅡ字符集時:
Select substr(‘東北大學’,1,2) from dual;
語句執行結果返回‘東’。


使用ZHS16GBK字符集時:
Select substr(‘東北大學’,1,2) from dual;
語句執行結果返回‘東北’。

選擇合適的資料庫字符集
選擇資料庫字符集時應考慮以下事項：


1．資料庫需要支援什麼語言
在為資料庫選擇字符集時，常會發現幾種字符集都適合你當前語言需求，如簡體中文就有ZHS16GBK和ZHSCGB231280等字符集可供選擇，應選擇哪種？在選擇字符集時，應考慮到資料庫將來的系統需求。如果知道將來資料庫要擴充套件支援不同的語言，選擇一個範圍較廣的字符集會是一個更好的主意。


2．系統資源與應用之間的互作用性
選擇的資料庫字符集應保證作業系統與應用之間的無縫連線。如果選擇的字符集不是作業系統有效的字符集，則系統就需要在這兩者之間做字元轉換。在這種字元轉換過程中，就有可能發生一些字元丟失現象。從一種字符集A向另一種字符集B轉換過程中，A中的字元必須在B中可以找到等價的字元，否則就會以“？”來代替。從這個意義上說，如果兩種字符集編碼範圍是相同的，則可以相互轉換。

字符集轉換過程中會影響系統效能，因此，應保證客戶端和伺服器端有相同的字符集以避免字符集轉換，也可以提高一定的系統效能。


3．系統的效能要求
不同的資料庫字符集對於資料庫的效能是有一定影響的。為了得到最好的資料庫效能，選擇的資料庫字符集應避免字元轉換，並且要選擇對於期望的語言有最高效的編碼效率。通常，單位元組字符集比多位元組字符集有更優的效能表現，在空間需求方面也更小些。


4．其他一些限制
在為資料庫選擇一個合適的字符集時，應參考Oracle對應版本的相關文件，檢查Oracle對於一些字符集的限制。如Oracle 8.1.5版本中，以下字符集是不能使用的: JA16EUCFIXED、ZHS16GBKFIXED、JA16DBCSFIXED、KO16DBCSFIXED、ZHS16DBCSFIXED、JA16SJISFIXED、ZHT32TRISFIXED。

綜上所述，正確理解Oracle字符集的轉換過程，可以使我們避免不必要的麻煩和資料損失。合理利用Oracle字符集的轉換過程，也可以幫助我們正確地從一種字符集轉換到另一種字符集，以滿足我們各種不同的應用需求。[@more@]