23.3. 字符集支持

• 23 .3.1. 支持的字符集

• 23 .3.2. 设置字符集

• 23 .3.3. 服务器和 Client 端之间的自动字符集转换

• 23 .3.4. 进一步阅读

PostgreSQL 对字符集的支持使您可以将文本存储为多种字符集(也称为编码)，包括单字节字符集(例如 ISO 8859 系列)和多字节字符集(例如 EUC(扩展 Unix 代码))， UTF-8 和 Mule 内部代码。Client 端可以透明地使用所有支持的字符集，但是不支持在服务器内部使用其中的一些字符集(即，作为服务器端编码)。使用initdb初始化 PostgreSQL 数据库集群时，将选择默认字符集。创建数据库时可以覆盖它，因此可以有多个数据库，每个数据库都有不同的字符集。

但是，一个重要的限制是每个数据库的字符集必须与数据库的LC_CTYPE(字符分类)和LC_COLLATE(字符串排序 Sequences)区域设置兼容。对于C或POSIX语言环境，允许使用任何字符集，但是对于其他 libc 提供的语言环境，只有一个字符集可以正常工作。 (但是，在 Windows 上，UTF-8 编码可以与任何语言环境一起使用.)如果配置了 ICU 支持，则 ICU 提供的语言环境可以与大多数(但不是全部)服务器端编码一起使用。

23 .3.1. 支持的字符集

Table 23.1显示了可在 PostgreSQL 中使用的字符集。

表 23.1 PostgreSQL 字符集

并非所有的 Client 端 API 都支持所有列出的字符集。例如，PostgreSQL JDBC 驱动程序不支持MULE_INTERNAL，LATIN6，LATIN8和LATIN10。

SQL_ASCII设置的行为与其他设置大不相同。当服务器字符集为SQL_ASCII时，服务器将根据 ASCII 标准解释字节值 0-127，而将字节值 128-255 视为未解释字符。设置为SQL_ASCII时将不进行编码转换。因此，此设置不是声明正在使用特定的编码，而是声明对编码的无知。在大多数情况下，如果要处理任何非 ASCII 数据，则使用SQL_ASCII设置是不明智的，因为 PostgreSQL 无法通过转换或验证非 ASCII 字符来帮助您。

23 .3.2. 设置字符集

initdb定义 PostgreSQL 集群的默认字符集(编码)。例如，

initdb -E EUC_JP

将默认字符集设置为EUC_JP(日语的扩展 Unix 代码)。如果您希望使用更长的选项字符串，则可以使用--encoding而不是-E。如果未提供-E或--encoding选项，则initdb会尝试根据指定或默认语言环境确定要使用的适当编码。

您可以在数据库创建时指定非默认编码，前提是该编码与所选语言环境兼容：

createdb -E EUC_KR -T template0 --lc-collate=ko_KR.euckr --lc-ctype=ko_KR.euckr korean

这将创建一个名为korean的数据库，该数据库使用字符集EUC_KR和语言环境ko_KR。完成此操作的另一种方法是使用以下 SQL 命令：

CREATE DATABASE korean WITH ENCODING 'EUC_KR' LC_COLLATE='ko_KR.euckr' LC_CTYPE='ko_KR.euckr' TEMPLATE=template0;

请注意，以上命令指定复制template0数据库。复制任何其他数据库时，无法更改源数据库的编码和语言环境设置，因为这可能会导致数据损坏。有关更多信息，请参见Section 22.3。

数据库的编码存储在系统目录pg_database中。您可以使用psql -l选项或\l命令来查看它。

$ psql -l
                                         List of databases
   Name    |  Owner   | Encoding  |  Collation  |    Ctype    |          Access Privileges          
-----------+----------+-----------+-------------+-------------+-------------------------------------
 clocaledb | hlinnaka | SQL_ASCII | C           | C           | 
 englishdb | hlinnaka | UTF8      | en_GB.UTF8  | en_GB.UTF8  | 
 japanese  | hlinnaka | UTF8      | ja_JP.UTF8  | ja_JP.UTF8  | 
 korean    | hlinnaka | EUC_KR    | ko_KR.euckr | ko_KR.euckr | 
 postgres  | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  | 
 template0 | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  | {=c/hlinnaka,hlinnaka=CTc/hlinnaka}
 template1 | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  | {=c/hlinnaka,hlinnaka=CTc/hlinnaka}
(7 rows)

23 .3.3. 服务器和 Client 端之间的自动字符集转换

PostgreSQL 支持服务器和 Client 端之间针对某些字符集组合的自动字符集转换。转换信息存储在pg_conversion系统目录中。 PostgreSQL 带有一些 sched 义的转换，如Table 23.2所示。您可以使用 SQL 命令CREATE CONVERSION创建新的转换。

表 23.2Client 端/服务器字符集转换

要启用自动字符集转换，您必须告诉 PostgreSQL 您想在 Client 端中使用的字符集(编码)。有几种方法可以实现此目的：

• 在 psql 中使用\encoding命令。 \encoding允许您即时更改 Client 端编码。例如，要将编码更改为SJIS，请 Importing：

\encoding SJIS

• libpq(Section 33.10)具有控制 Client 端编码的功能。

• 使用SET client_encoding TO。可以使用以下 SQL 命令来设置 Client 端编码：

SET CLIENT_ENCODING TO 'value';

您也可以为此使用标准 SQL 语法SET NAMES：

SET NAMES 'value';

要查询当前的 Client 端编码：

SHOW client_encoding;

要返回默认编码：

RESET client_encoding;

• 使用PGCLIENTENCODING。如果在 Client 端环境中定义了环境变量PGCLIENTENCODING，则在与服务器构建连接时会自动选择该 Client 端编码。 (随后可以使用上述任何其他方法覆盖此方法.)

• 使用配置变量client_encoding。如果设置了client_encoding变量，则在与服务器构建连接时会自动选择该 Client 端编码。 (随后可以使用上述任何其他方法覆盖此方法.)

如果无法转换特定字符(假设您为服务器选择了EUC_JP，为 Client 端选择了LATIN1，并且返回了一些日语字符，但这些字符在LATIN1中没有表示)，则会报告错误。

如果 Client 端字符集定义为SQL_ASCII，则无论服务器的字符集如何，都将禁用编码转换。和服务器一样，除非使用全 ASCII 数据，否则使用SQL_ASCII是不明智的。

23 .3.4. 进一步阅读

这些都是开始学习各种编码系统的好资源。

• • CJKV 信息处理：中文，日文，韩文和越南文计算*
  • 包含EUC_JP，EUC_CN，EUC_KR，EUC_TW的详细说明。

• http://www.unicode.org/

  • Unicodeunion 的网站。

• RFC 3629

  • 此处定义了 UTF-8(8 位 UCS/Unicode 转换格式)。