PostgreSQL 7.4 中文文档 -- 字符集支持

字符集支持
PostgreSQL 里面的字符集支持 你能够以各种字符集存储文本，包括单字节的字符集，比如 ISO 8859 系列和 EUC （扩展 Unix 编码 Extended Unix Code），Unicode 和 Mule 国际编码．所有字符集都可以在服务器上透明地使用。 （如果你使用了来自其它数据源地扩展函数，那么它取决于他们是否正确 地书写了代码。）缺省的字符集是在使用 initdb 初始化 你的 PostgreSQL 数据库集群的时候选择的。 在你的使用 createdb 或者 SQL 命令 CREATE DATABASE 的时候是可以覆盖这个缺省的。因此，你可以有多个数据库，每个都有不同 的字符集。

20.2.1. 支持字符集编码

Table 20-1 显示了可以用在服务器的字符集。

Table 20-1. 服务器字符集

名字	描述
SQL_ASCII	US ASCII
EUC_JP	日文 EUC
EUC_CN	中文 EUC
EUC_KR	韩文 EUC
JOHAB	韩文 EUC (Hangle base)
EUC_TW	台湾 EUC
UNICODE	Unicode(UTF-8)
MULE_INTERNAL	Mule 内部编码
LATIN1	ISO 8859-1 ECMA 94 Latin Alphabet No.1
LATIN2	ISO 8859-2 ECMA 94 Latin Alphabet No.2
LATIN3	ISO 8859-3 ECMA 94 Latin Alphabet No.3
LATIN4	ISO 8859-4 ECMA 94 Latin Alphabet No.4
LATIN5	ISO 8859-9 ECMA 128 Latin Alphabet No.5
LATIN6	ISO 8859-10 ECMA 144 Latin Alphabet No.6
LATIN7	ISO 8859-13 (Latin Alphabet No.7)
LATIN8	ISO 8859-14 (Latin Alphabet No.8)
LATIN9	ISO 8859-15 (Latin Alphabet No.9)
LATIN10	ISO 8859-16 ASRO SR 14111 (Latin Alphabet No.10)
ISO_8859_5	ECMA 113 (Latin/Cyrillic)
ISO_8859_6	ECMA 114 (Latin/Arabic)
ISO_8859_7	ECMA 118 (Latin/Greek)
ISO_8859_8	ECMA 121 (Latin/Hebrew)
KOI8	KOI8-R(U)
WIN	Windows CP1251
ALT	Windows CP866
WIN1256	Windows CP1256 (Arabic)
TCVN	TCVN-5712/Windows CP1258 (Vietnamese)
WIN874	Windows CP874 (Thai)

Important: 在 PostgreSQL7.2 之前， LATIN5错误地表示 ISO 8859-5 的意思． 从 7.2 开始 LATIN5表示 ISO8859-9． 如果你有一个在 7.1 或者之前创建的 使用了 LATIN5的数据库， 而且你希望移植到 7.2(或者以后的版本)， 那么你必须非常仔细地注意这个变化．

并非所有API支持上面列出的编码．比如， PostgreSQL JDBC 驱动就不支持MULE_INTERNAL， LATIN6，LATIN8 和 LATIN10．

20.2.2. 设置字符集

initdb 为一个 PostgreSQL 集群定义缺省的字符集，比如：

initdb -E EUC_JP

把缺省字符集设置为 EUC_JP （用于日文的扩展的 Unix 编码）． 如果你喜欢用长选项声明的话，你可以用 --encoding 代替 -E． 如果没有给出-E或者--encoding选项， 则使用SQL_ASCII。

你可以创建一个有着不同编码的数据库：

createdb -E EUC_KR korean

将创建一个使用EUC_KR字符集的名字叫 korean 的数据库． 另外一种实现方法是使用 SQL 命令：

CREATE DATABASE korean WITH ENCODING 'EUC_KR';

数据库的编码是用系统表 pg_database 里的一个 编码字段代表的． 你可以用psql的-l选项或 /l命令列出这些编码．

$ psql -l
List of databases
Database    |  Owner  |   Encoding
---------------+---------+---------------
euc_cn        | t-ishii | EUC_CN
euc_jp        | t-ishii | EUC_JP
euc_kr        | t-ishii | EUC_KR
euc_tw        | t-ishii | EUC_TW
mule_internal | t-ishii | MULE_INTERNAL
regression    | t-ishii | SQL_ASCII
template1     | t-ishii | EUC_JP
test          | t-ishii | EUC_JP
unicode       | t-ishii | UNICODE
(9 rows)

20.2.3. 服务器和客户端之间的自动字符集转换

PostgreSQL 支持一些编码 在服务器和前端之间的自动编码转换． 转换信息在系统表 pg_conversion 中存储。 你可以使用 SQL 命令 CREATE CONVERSION 创建一个 新的转换。PostgreSQL带着一些预定义的转换。它们在 Table 20-2 中列出．

Table 20-2. 客户/服务器字符集转换

服务器字符集	可用客户端字符集
SQL_ASCII	SQL_ASCII, UNICODE, MULE_INTERNAL
EUC_JP	EUC_JP, SJIS, UNICODE, MULE_INTERNAL
EUC_CN	EUC_CN, UNICODE, MULE_INTERNAL
EUC_KR	EUC_KR, UNICODE, MULE_INTERNAL
JOHAB	JOHAB, UNICODE
EUC_TW	EUC_TW, BIG5, UNICODE, MULE_INTERNAL
LATIN1	LATIN1, UNICODE, MULE_INTERNAL
LATIN2	LATIN2, WIN1250, UNICODE, MULE_INTERNAL
LATIN3	LATIN3, UNICODE, MULE_INTERNAL
LATIN4	LATIN4, UNICODE, MULE_INTERNAL
LATIN5	LATIN5, UNICODE
LATIN6	LATIN6, UNICODE, MULE_INTERNAL
LATIN7	LATIN7, UNICODE, MULE_INTERNAL
LATIN8	LATIN8, UNICODE, MULE_INTERNAL
LATIN9	LATIN9, UNICODE, MULE_INTERNAL
LATIN10	LATIN10, UNICODE, MULE_INTERNAL
ISO_8859_5	ISO_8859_5, UNICODE, MULE_INTERNAL, WIN, ALT, KOI8
ISO_8859_6	ISO_8859_6, UNICODE
ISO_8859_7	ISO_8859_7, UNICODE
ISO_8859_8	ISO_8859_8, UNICODE
UNICODE	EUC_JP, SJIS, EUC_KR, UHC, JOHAB, EUC_CN, GBK, EUC_TW, BIG5, LATIN1 to LATIN10, ISO_8859_5, ISO_8859_6, ISO_8859_7, ISO_8859_8, WIN, ALT, KOI8, WIN1256, TCVN, WIN874, GB18030, WIN1250
MULE_INTERNAL	EUC_JP, SJIS, EUC_KR, EUC_CN, EUC_TW, BIG5, LATIN1 到 LATIN5, WIN, ALT, WIN1250 BIG5, ISO_8859_5, KOI8
KOI8	ISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL
WIN	ISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL
ALT	ISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL
WIN1256	WIN1256, UNICODE
TCVN	TCVN, UNICODE
WIN874	WIN874, UNICODE

要想打开自动字符集转换功能，你必须告诉 PostgreSQL 你想在客户端使用的字符集（编码）．你可以用好几种方法实现这个目的．

用 psql 里的 /encoding 命令． /encoding 允许你动态修改客户端编码． 比如，把编码改变为 SJIS，键入：

/encoding SJIS

使用 libpq 函数． /encoding 在做此用途的时候实际上是调用 PQsetClientEncoding()．

int PQsetClientEncoding(PGconn *conn, const char *encoding);

这里 conn 与后端的联接，而 encoding 是你想用的编码．如果编码设置成功 它返回 0，否则返回 -1．本次联接的当前编码可以用下面函数显示：

int PQclientEncoding(const PGconn *conn);

请注意它只返回编码 ID，而不是象 EUC_JP 这样的编码符号字串． 要把编码 ID 转换为编码符号，你可以用：

char *pg_encoding_to_char(int encoding_id);

使用 SET client_encoding TO． 可以用 SQL 命令设置客户端编码：

SET CLIENT_ENCODING TO 'value';

你还可以把 SQL 语法里的 SET NAMES用于这个目的：

SET NAMES 'value';

查询当前客户端编码：

SHOW client_encoding;

返回缺省编码：

RESET client_encoding;

使用 PGCLIENTENCODING． 如果在客户端的环境里定义了 PGCLIENTENCODING 环境变量， 那么在与服务器进行联接时将自动选择客户端编码． （这个编码随后可以用上面谈到的任何其它方法覆盖．）

使用client_encoding配置变量。 如果在 postgresql.conf 里设置了 client_encoding 变量， 那么在与服务器建立了联接之后，这个客户端编码将自动选定。（这个设置随后可以被上面提到 的其他方法覆盖。）

假如无法进行特定的字符转换 －－ 比如， 你选的服务器编码是EUC_JP， 客户端是LATIN1，那么有些日文字符不能 转换成LATIN1．这时， 不能用LATIN1字符集表示的字母将被转换成 圆括弧包围的十六进制，像，(826C) 这样。

20.2.4. 进一步阅读

下面是学习各种类型的编码系统的好地方．

ftp://ftp.ora.com/pub/examples/nutshell/ujip/doc/cjk.inf
详细地解释了第3.2节出现的EUC_JP， EUC_CN，EUC_KR，EUC_TW．

http://www.unicode.org/
Unicode 的家目录．

RFC 2044
定义了UTF-8．