由PostgreSQL的區域與字符集提及（轉）

轉自：http://blog.chinaunix.net/uid-354915-id-3502551.html

由PostgreSQL的區域與字符集提及

 

1、PostgreSQL的區域
區域屬性有如下幾個：
LC_COLLATE：字符串排序順序
LC_CTYPE：字符分類(什麼是字母?它是這個字母的等效大寫?)
LC_MESSAGES：信息的語言
LC_MONETARY：貨幣金額的格式
LC_NUMERIC：數字的格式
LC_TIME：日期和時間的格式
PostgreSQL 使用服務器操做系統提供的標準 ISO C 和 POSIX 區域機制。
區域支持是在使用 initdb 建立一個數據庫集羣的時候自動初始化的。
若是你的OS已經設置爲你的數據庫集羣想要的區域，那麼你就什麼也不用幹了。
若是你想要你的系統表現得像沒有區域支持同樣，那麼使用特殊的區域 C 或 POSIX 
一些區域性質的值一旦運行了 initdb 以後，你就不再能更改它們了。LC_COLLATE 和 LC_CTYPE 就是這樣的。它們影響索引的排序順序，所以它們必需保持固定，其它區域性質能夠在服務器啓動的時候根據須要經過配置postgresql.conf變量來改變，若是你在 postgresql.conf 裏面刪除了這些缺省值，那麼服務器將會繼承來自運行環境的設置。
咱們談到從執行環境繼承區域的時候，好比字符集，按照下面的順序評估這些環境變量，直到找到一個已設置的：LC_ALL, LC_COLLATE, LANG 。若是這些環境變量一個都沒有設置，那麼區域缺省爲 C 。一些信息區域化庫也使用環境變量 LANGUAGE。
請檢查覈實 PostgreSQL 確實使用了你認爲它該用的區域設置。LC_COLLATE 和 LC_CTYPE 的設置都是在 initdb 時決定的，若是不重複 initdb 是不可能改變的。其它的區域設置包括 LC_MESSAGES 和 LC_MONETARY 都是由服務器的啓動環境決定的，可是能夠在運行時修改。你能夠用 SHOW 命令檢查數據庫正在使用的區域設置。

2、PostgreSQL的字符集
缺省的字符集是在使用 initdb 初始化數據庫集羣的時候選擇的。在你建立數據庫的時候是能夠覆蓋這個缺省的。所以，你能夠爲多個數據庫設置不一樣的字符集。
雖然你能夠給一個數據庫聲明你須要的任何編碼，但選擇一個與你選擇的區域不一致的編碼仍是不妥的作法。LC_COLLATE 和 LC_CTYPE 設置暗示一個特定的編碼，與區域相關的操做(好比排序)在不兼容的編碼裏頗有可能產生錯誤的解析。
一個安全使用多種編碼的方法是在 initdb 的時候把區域設置爲 C 或 POSIX ，這樣就關閉了任何實際的區域敏感性。
PostgreSQL 支持在服務器和前端之間的自動編碼轉換。
假如沒法進行特定的字符轉換，好比，你選的服務器編碼是 EUC_JP 而客戶端是 LATIN1 ，那麼有些日文字符不能轉換成 LATIN1 。這時將報告錯誤。

3、擴展：
一、常見編碼及轉換
UTF8 = UNICODE8；
UNICODE16是咱們常常說的UNICODE；
GBK即漢字內碼擴展規範，GBK是ANSI的一種，用0x80~0xFF 範圍的2個字節來表示1個字符，根據微軟資料，GBK是對GB2312-80的擴展，也就是CP936字碼表；
windows英文版默認的應該是windows1252；
windows中文版用的是GB2312/GBK（用dos命令chcp查看，936爲簡體中文)；
liunx不少默認編碼都是utf-8，可是你能夠經過命令設置成GB2312；
網頁編碼，一般是跟編輯網頁的編輯器有關，好比說你的編輯器設置爲GB2312字符集，那麼你的網頁的編碼就是GB2312的。若是你用英文的操做系統打開就會是亂碼。不過如今的瀏覽器都支持字符集識別，它會幫你把GB2312編碼的網頁自動轉換爲unicode的網頁，從而解決亂碼的問題。
若是你的文件編碼是GBK，而你的系統環境是windows1252英文環境，那麼這時候你打開文件就會是亂碼的；
解決方案有兩種：
（1）改變系統的語言爲中文就能夠解決亂碼的問題；
（2）將GBK編碼的文件轉換爲unicode編碼，unicode編碼是萬國碼，通常的操做系統都支持，不存在打開後亂碼的問題。
每種編碼都有本身的二進制編碼集，平時常常遇到的問題是：
（1）對字符進行了錯誤的編碼解析，致使出現亂碼；
（2）字符在兩個字符集中都存在，致使這部分字符變成「?」。
二、數據庫編程的編碼問題
數據庫編程設計的編碼問題包括三個方面：
    數據庫服務器編碼；
    數據庫客戶端編碼；
    本地環境編碼。
（1）數據庫服務器字符編碼：
數據庫服務器支持某種編碼，是指數據庫服務器可以從客戶端接收、存儲以及向客戶端提供該種編碼的字符，並能將該種編碼的字符轉換到其它編碼。
查看PostgreSQL數據庫服務器端編碼:
postgres=# show server_encoding;
 server_encoding 
-----------------
 UTF8
postgres=# \l
   名稱    |  擁有者   | 字元編碼 |                       Collate                       |                        Ctype                        |        TestDb1   | TestRole1 | UTF8     | Chinese (Simplified)_People's Republic of China.936 | Chinese (Simplified)_People's Republic of China.936 | 
 TestDb2   | postgres  | UTF8     | Chinese (Simplified)_People's Republic of China.936 | Chinese (Simplified)_People's Republic of China.936 | 
 postgres  | postgres  | UTF8     | Chinese (Simplified)_People's Republic of China.936 | Chinese (Simplified)_People's Republic of China.936 | 
 template0 | postgres  | UTF8     | Chinese (Simplified)_People's Republic of China.936 | Chinese (Simplified)_People's Republic of China.936 | 
（2）數據庫客戶端字符編碼：
 客戶端工具支持某種編碼，必須可以顯示從數據庫讀取的該種編碼的字符，也能經過本工具將該種編碼的字符提交到給服務器端。       
 查看PostgreSQL客戶端工具psql編碼：
 postgres=# show client_encoding;
 GBK
 postgres=# \encoding
 GBK
 指定Postgresql會話的客戶端編碼：
 postgres=# set client_encoding to 'utf8';
 SET
 postgres=# show client_encoding;
 client_encoding 
 -----------------
 UTF8
 （3）本地環境編碼：
若是使用dos的命令行界面，本地環境就是指dos命令行環境的編碼，可使用dos命令chcp查看dos環境編碼：
D:\Program Files\PowerCmd>chcp
活動代碼頁: 936
----936爲簡體中文，GBK；
若是在使用某種編輯器，則本地環境編碼取該編輯器的編碼設置。

4、實例
雖然PG支持客戶端和服務器端的編碼自動轉換，可是還須要聽從一個原則：本地環境的編碼和客戶端編碼需一致。
一、PostgreSQL的數據庫postgres，服務器端字符編碼爲utf8，客戶端工具psql字符編碼爲GBK，本地環境dos命令編輯器編碼爲GBK，此時：
postgres=# show server_encoding;
 server_encoding 
-----------------
 UTF8
(1 行記錄)
postgres=# show client_encoding;
 client_encoding 
-----------------
 GBK
(1 行記錄)
postgres=# \! chcp
活動代碼頁: 936
postgres=# select * from "TestTb1";
  Column1                                                               
-----------
 測試 
 11
因爲本地環境和客戶端編碼都是GBK，一致，沒有問題；
insert時，客戶端接收本地環境輸入的GBK字符（二者都爲GBK），客戶端傳到服務器端時自動轉換爲UTF-8編碼存儲，沒有問題；
select時，服務器端傳到客戶端，UTF-8編碼自動轉換爲GBK編碼，在本地環境顯示時，本地環境就是GBK編碼，顯示沒有問題。

二、PostgreSQL的數據庫postgres，服務器端字符編碼爲utf8，客戶端工具psql字符編碼爲utf8，本地環境dos命令編輯器編碼爲GBK，此時：
postgres=# set client_encoding to 'utf8';
SET
postgres=# insert into test values('測試1');
閿欒?:  鏃犳晥鐨?"UTF8" 緙栫爜瀛楄妭欏哄簭: 0xb2
postgres=# select * from test;
      column1
--------------------
 嫺嬭瘯
(1 行記錄）                                                                                                        
因爲客戶端和服務器的編碼一致，故不進行轉碼，
insert時，本地輸入的GBK編碼到客戶端不自動轉換，客戶端把接收的字符做爲utf編碼傳給服務器端不轉換，GBK的編碼做爲UTF-8存儲，故有問題。
報錯的信息爲：ERROR:  invalid byte sequence for encoding "UTF8": 0xb2；
select時，服務端的utf編碼傳給客戶端不轉換，客戶端把utf編碼傳給本地環境不自動轉換，utf8編碼用gbk編碼顯示，故有問題。

三、本地環境就是指此時使用的環境，起初我使用powercmd代替windows的cmd命令行工具，實現上面第1個實例是老是失敗（亂碼）。
緣由就是，此時本地環境編碼是指powercmd的編碼，而不是執行chcp命令獲得的編碼。
而powercmd使用的編碼到底是什麼，我也沒有找到。