編者按: 中文亂碼是一個一直困擾我國很多程序員的問題。由于各種開發(fā)平臺（語言）、數據庫在處理中文字符時機制不盡相同，導致這一問題解決起來十分復雜。本期我們從眾多來稿中挑選了一組有關中文字符處理的文章，讀者也許可以從這些解決方法中得到一些啟發(fā)。
Oracle在數據轉儲時的字符集問題
東北大學秦皇島分校 王全海
作為一個Oracle數據庫的用戶，對于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 于數據備份和恢復的工具。但在使用這兩個命令過程中所發(fā)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數據損失。本 文將就Export和Import過程中Oracle字符集的轉換規(guī)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系到字符集，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。
源數據庫字符集；
Export過程中用戶會話字符集；
Import過程中用戶會話字符集；
目標數據庫字符集。
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(fā)生Oracle字符集轉換，即：
在Export過程中，如果源數據庫字符集與Export用戶會話字符集不一致，會發(fā)生字符集轉換，并在導出的二進制格式Dmp文件的頭部幾個字節(jié)中存儲Export用戶會話字符集的ID號。在這個轉換過程中可能發(fā)生數據的丟失。
例1: 如果源數據庫使用ZHS16GBK，而Export用戶會話字符集使用US7ASCII，由于ZHS16GBK是8位字符集,而US7ASCII是7位字 符集，這個轉換過程中，中文字符在US7ASCII中不能夠找到對等的字符，所以所有中文字符都會丟失而變成“?? ”形式，即這種轉換后生成的Dmp文件已經發(fā)生了數據丟失。
例2: 如果源數據庫使用ZHS16GBK,而Export用戶會話字符集使用ZHS16CGB231280，但由于ZHS16GBK字符集是 ZHS16CGB231280字符集的超集，這個過程中絕大部分字符都能夠正確轉換，只有一些超出ZHS16CGB231280字符集的字符變?yōu)?#8220;?? ”形式。如果源數據庫使用ZHS16CGB231280字符集，而Export用戶會話使用ZHS16GBK字符集，則轉換過程能夠完全轉換成功。
在Import向目標數據庫轉換過程中，其字符集發(fā)生轉換的情況正好與Export過程相反，這里不再詳述。
在Export導出的Dmp文件中，含有Export用戶會話字符集。在Import過程中，首先發(fā)生的是Dmp文件字符集（即 Export用戶會話字符集）向Import用戶會話字符集的轉換。如果這個轉換過程不能正確完成，Import向目標數據庫的導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，并不希望發(fā)生字符的轉換，但有時這種轉換卻是必 要的。如我們在安裝Oracle數據庫時，選擇ZHS16CGB231280字符集，由于這種字符集是一種中文小字符集，對于一些漢字不能夠正確表示，這 需要通過使用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(fā)生轉換或正確轉換，建議最好在進行這個過程 前，檢查一下源數據庫字符集與Export用戶會話字符集是否一致，源數據庫字符集與目標數據庫字符集是否一致，目標數據庫字符與Import用戶會話字 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(fā)生轉換。
可用以下辦法檢查數據庫字符集:
通過InitXXXX.ora文件進行查看；
借助SQL語句查看： SELECT NAME,VALUE$ FROM SYS.PROPS$ WHERE NAME=‘NLS_CHARACTERSET’。
對于Export、Import用戶會話字符集，在Windows系統中也可以通過注冊表中的NLS_LANG進行查看或修改，對于Unix系統則可通過設置用戶的環(huán)境變量NLS_LANG來查看或修改。
特別要注意的是，Oracle數據庫字符集通常是在創(chuàng)建時確定，一旦存儲用戶數據后就不要再修改了，因為其數據都是使用該字符集進行存儲的，改換其他字符集之后，原有數據就不能夠正確表示了。但如果確實想進行字符集改變，則可通過以下幾步來實現：
備份數據庫后刪除原數據（可物理備份，如使用Export，請注意確保字符集不發(fā)生轉換或數據無損失）；
使用Internal用戶更新sys.props$表中的字符集:
Update sys.props$ set name=‘Dest.CharSet’ Where name=‘NLS_CHARACTERSET’; COMMIT;
重啟數據庫；
恢復數據。
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，會損失部分數據。
只包含英文字符數據的雙字節(jié)字符集也可向單字節(jié)字符集轉換，如ZHS16GBK(English Only)可以向US7ASCII正確轉換。
編碼范圍相同的單字節(jié)字符集之間通?？梢赃M行相互轉換。
請注意，這里所說的沒有數據損失，是指一種字符集A轉換成另一種字符集B之后，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中轉換過來的數據。
字符集對程序的影響 根據一個字符需要多少位字節(jié)來表示，可以把字符集分為單字節(jié)字符集和多字節(jié)字符集。其中，單字節(jié)字符集又分為7位字符集和 8位字符集。單字節(jié)7位編碼字符集有US7ASCⅡ，單字節(jié)8位編碼字符集有符合ISO 8859-1標準規(guī)定的WE8ISO8859P1等。多字節(jié)編碼又分為固定長度（長度大于或等于2）編碼模式和不固定長度編碼模式。多字節(jié)編碼字符集中的 ZHS16GBK、ZHS16CGB231280、JA16SJIS等是采用兩個字節(jié)表示一個字符的字符集，又叫雙字節(jié)字符集。
一個英文字母是一個字符，一個中文漢字是幾個字符呢？我們知道，一個中文漢字是雙字節(jié)字符，但它有幾個字符與其 數據庫字符集有關。如果數據庫字符集使用單字節(jié)US7ASCII，則一個中文漢字是二個字符；如果數據庫字符集使用雙字節(jié)字符集ZHS16GBK，則一個 中文漢字是一個字符。有關這一點可以使用Oracle的函數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(zhí)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(zhí)行結果返回‘東北’。 選擇合適的數據庫字符集 選擇數據庫字符集時應考慮以下事項：
1．數據庫需要支持什么語言 在為數據庫選擇字符集時，常會發(fā)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，應考慮到數據庫將來的系統需求。如果知道將來數據庫要擴展支持不同的語言，選擇 一個范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 選擇的數據庫字符集應保證操作系統與應用之間的無縫連接。如果選擇的字符集不是操作系統有效的字符集，則系統就需要在這兩 者之間做字符轉換。在這種字符轉換過程中，就有可能發(fā)生一些字符丟失現象。從一種字符集A向另一種字符集B轉換過程中，A中的字符必須在B中可以找到等價 的字符，否則就會以“？”來代替。從這個意義上說，如果兩種字符集編碼范圍是相同的，則可以相互轉換。
字符集轉換過程中會影響系統性能，因此，應保證客戶端和服務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性能。
3．系統的性能要求 不同的數據庫字符集對于數據庫的性能是有一定影響的。為了得到最好的數據庫性能，選擇的數據庫字符集應避免字符轉換，并且要選擇對于期望的語言有最高效的編碼效率。通常，單字節(jié)字符集比多字節(jié)字符集有更優(yōu)的性能表現，在空間需求方面也更小些。
4．其他一些限制 在為數據庫選擇一個合適的字符集時，應參考Oracle對應版本的相關文檔，檢查Oracle對于一些字符集的限制。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數據損失。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。
