5.2. 多字节支持

多字节支持 （MB）是为了让 PostgreSQL 能够处理多字节字符集，比如 EUC （扩展 Unix 编码 Extended Unix Code），Unicode 和 Mule 国际编码．把 MB 打开， 你就能在正则表达式（regexp） LIKE，和一些其它函数里使用多字节字符集了． 缺省的编码系统是在你用 initdb 初始化 PostgreSQL 系统安装的时候 确立的．请注意这个缺省是可以在使用 createdb 或者 SQL 命令CREATE DATABASE 创建数据库的时候覆盖的．所以你可以拥有多个有着不同编码系统的数据库． 请注意 MB 可以处理类似 ISO-8859-1 这样的单字节字符集。

自PostgreSQL版本 7.3 起，多字节支持就是缺省的了。

5.2.1. 支持字符集编码

下面的字符集可以用做数据库编码。

Table 5-1. 字符集编码

编码描述SQL_ASCIIUS ASCIIEUC_JP日文 EUCEUC_CN中文 EUCEUC_KR韩文 EUCJOHAB韩文 EUC (Hangle base)EUC_TW台湾 EUCUNICODEUnicode(UTF-8)MULE_INTERNALMule 内部编码LATIN1ISO 8859-1 ECMA-94 Latin Alphabet No.1LATIN2ISO 8859-2 ECMA-94 Latin Alphabet No.2LATIN3ISO 8859-3 ECMA-94 Latin Alphabet No.3LATIN4ISO 8859-4 ECMA-94 Latin Alphabet No.4LATIN5ISO 8859-9 ECMA-128 Latin Alphabet No.5LATIN6ISO 8859-10 ECMA-144 Latin Alphabet No.6LATIN7ISO 8859-13 Latin Alphabet No.7LATIN8ISO 8859-14 Latin Alphabet No.8LATIN9ISO 8859-15 Latin Alphabet No.9LATIN10ISO 8859-16 ASRO SR 14111 Latin Alphabet No.10ISO-8859-5ECMA-113 Latin/CyrillicISO-8859-6ECMA-114 Latin/ArabicISO-8859-7ECMA-118 Latin/GreekISO-8859-8ECMA-121 Latin/HebrewKOI8KOI8-R(U)WINWindows CP1251ALTWindows CP866WIN1256阿拉伯语 Windows CP1256TCVN越南语 TCVN-5712(Windows CP1258)WIN874泰语(Thai) Windows CP874

 

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．

Important: 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．

5.2.2. 设置编码

initdb 为一次 PostgreSQL 安装定义缺省的编码系统，比如：

$ initdb -E EUC_JP

把缺省编码设置为 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

将创建一个带有EUC_KR编码的名字叫 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)

 

5.2.3. 服务器和客户端之间的自动编码转换

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 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 5-2 中列出．

Table 5-2. Client/Server 字符集编码

服务器编码可用客户端编码SQL_ASCIISQL_ASCII, UNICODE, MULE_INTERNAL EUC_JPEUC_JP, SJIS, UNICODE, MULE_INTERNAL EUC_CNEUC_CN, UNICODE, MULE_INTERNAL EUC_KREUC_KR, UNICODE, MULE_INTERNAL JOHABJOHAB, UNICODE EUC_TWEUC_TW, BIG5, UNICODE, MULE_INTERNAL LATIN1LATIN1, UNICODE, MULE_INTERNAL LATIN2LATIN2, WIN1250, UNICODE, MULE_INTERNAL LATIN3LATIN3, UNICODE, MULE_INTERNAL LATIN4LATIN4, UNICODE, MULE_INTERNAL LATIN5LATIN5, UNICODE LATIN6LATIN6, UNICODE, MULE_INTERNAL LATIN7LATIN7, UNICODE, MULE_INTERNAL LATIN8LATIN8, UNICODE, MULE_INTERNAL LATIN9LATIN9, UNICODE, MULE_INTERNAL LATIN10LATIN10, UNICODE, MULE_INTERNAL ISO_8859_5ISO_8859_5, UNICODE, MULE_INTERNAL, WIN, ALT, KOI8 ISO_8859_6ISO_8859_6, UNICODE ISO_8859_7ISO_8859_7, UNICODE ISO_8859_8ISO_8859_8, UNICODE UNICODEEUC_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_INTERNALEUC_JP, SJIS, EUC_KR, EUC_CN, EUC_TW, BIG5, LATIN1 到 LATIN5, WIN, ALT, WIN1250 BIG5, ISO_8859_5, KOI8KOI8ISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL WINISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL ALTISO_8859_5, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL WIN1256WIN1256, UNICODE TCVNTCVN, UNICODE WIN874WIN874, UNICODE

要想打开编码转换功能，你必须告诉 PostgreSQL 你想在客户端使用的编码．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 'encoding';

你还可以把 SQL92 语法里的 SET NAMES用于这个目的：

SET NAMES 'encoding';

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 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。）

 

5.2.4. 如果不能转换会怎样？

假设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：

(HEXA DECIMAL)

 

5.2.5. 参考

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