↑↓ 选择↵ 打开⌫ 切换范围完整搜索

PG.CENTER 连接 PostgreSQL 文档、百科与生态知识。由 Pigsty 维护。

支持中的版本: 当前版本 (18) / 17 / 16 / 15 / 14
开发中的版本: 19 / 20devel
已结束支持的版本: 13 / 12 / 11 / 10 / 9.6 / 9.5 / 9.4 / 9.3 / 9.2 / 9.1 / 9.0 / 8.4 / 8.3 / 8.2 / 8.1 / 8.0 / 7.4 / 7.3 / 7.2 / 7.1
历史版本。 PostgreSQL 7.4 已结束支持。 请参阅 当前版本手册.

20.2. 字符集支持 #

PostgreSQL中的字符集支持允许你以多种字符集存储文本,包括 ISO 8859 系列之类的单字节字符集,以及 EUC(扩展 Unix 编码)、Unicode 和 Mule 内部编码等多字节字符集。所有字符集都可以在整个服务器中透明地使用。(如果你使用来自其他来源的扩展函数,则取决于它们的代码编写得是否正确。)默认字符集是在使用 initdb初始化PostgreSQL 数据库集簇时选定的。创建数据库时可以使用createdb 或 SQL 命令CREATE DATABASE覆盖该设置。因此你可以拥有多个数据库,并让每个数据库使用不同的字符集。

20.2.1. 支持的字符集

表 20.1显示了服务器中可用的字符集。

表 20.1. 服务器字符集

名称描述
SQL_ASCIIASCII
EUC_JP日语 EUC
EUC_CN中文 EUC
EUC_KR韩语 EUC
JOHAB韩语 EUC(基于韩文字母)
EUC_TW台湾 EUC
UNICODEUnicode(UTF-8)
MULE_INTERNALMule 内部编码
LATIN1ISO 8859-1/ECMA 94(拉丁字母 no.1)
LATIN2ISO 8859-2/ECMA 94(拉丁字母 no.2)
LATIN3ISO 8859-3/ECMA 94(拉丁字母 no.3)
LATIN4ISO 8859-4/ECMA 94(拉丁字母 no.4)
LATIN5ISO 8859-9/ECMA 128(拉丁字母 no.5)
LATIN6ISO 8859-10/ECMA 144(拉丁字母 no.6)
LATIN7ISO 8859-13(拉丁字母 no.7)
LATIN8ISO 8859-14(拉丁字母 no.8)
LATIN9ISO 8859-15(拉丁字母 no.9)
LATIN10ISO 8859-16/ASRO SR 14111(拉丁字母 no.10)
ISO_8859_5ISO 8859-5/ECMA 113(拉丁/西里尔)
ISO_8859_6ISO 8859-6/ECMA 114(拉丁/阿拉伯)
ISO_8859_7ISO 8859-7/ECMA 118(拉丁/希腊)
ISO_8859_8ISO 8859-8/ECMA 121(拉丁/希伯来)
KOI8KOI8-R(U)
WINWindows CP1251
ALTWindows CP866
WIN1256Windows CP1256(阿拉伯语)
TCVNTCVN-5712/Windows CP1258(越南语)
WIN874Windows CP874(泰语)

重要

在PostgreSQL 7.2 之前,LATIN5错误地表示 ISO 8859-5。从 7.2 开始,LATIN5表示 ISO 8859-9。如果你有一个在 7.1 或更早版本上创建的LATIN5数据库,并且想迁移到 7.2 或更高版本,就应该小心这个变化。

并非所有API都支持所有列出的字符集。例如,PostgreSQL的 JDBC 驱动不支持MULE_INTERNAL、LATIN6、LATIN8和LATIN10。

20.2.2. 设置字符集

initdb为PostgreSQL集簇定义默认字符集(编码)。例如:

initdb -E EUC_JP

这会把默认字符集(编码)设为EUC_JP(日语的扩展 Unix 编码)。如果你喜欢更长的选项形式,也可以用--encoding代替-E。如果既没有给出-E也没有给出 --encoding,就使用SQL_ASCII。

你可以创建使用不同字符集的数据库:

createdb -E EUC_KR korean

这将创建一个名为korean的数据库,它使用 EUC_KR字符集。另一种实现方式是使用以下 SQL 命令:

CREATE DATABASE korean WITH ENCODING 'EUC_KR';

数据库的编码存储在系统目录pg_database中。可以通过 psql的-l选项或\l 命令查看它。

$ 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

对于某些字符集,PostgreSQL支持在服务器和客户端之间进行自动字符集转换。转换信息保存在pg_conversion系统目录中。可以使用 SQL 命令CREATE CONVERSION创建新的转换。PostgreSQL自带一些预定义转换,它们列在表 20.2中。

表 20.2. 客户端/服务器字符集转换

服务器字符集可用的客户端字符集
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
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_INTERNALEUC_JP, SJIS, EUC_KR, EUC_CN, EUC_TW, BIG5, LATIN1 to LATIN5, WIN, ALT, WIN1250, BIG5, ISO_8859_5, KOI8
KOI8ISO_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

若要启用自动字符集转换,必须告诉PostgreSQL 你希望客户端使用哪种字符集(编码)。有几种方法可以做到这一点:

  • 在psql中使用\encoding 命令。\encoding允许动态更改客户端编码。例如,要把编码改成SJIS,可以输入:

    \encoding SJIS

  • 使用libpq函数。\encoding实际上就是为此目的调用 PQsetClientEncoding()的。

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

    其中conn是到服务器的连接,encoding是你想使用的编码。如果函数成功设置了编码,它返回 0,否则返回 -1。此连接的当前编码可以通过下面的函数确定:

    int PQclientEncoding(const PGconn *conn);

    注意它返回的是编码 ID,而不是像EUC_JP这样的符号字符串。要把编码 ID 转换为编码名,可以使用:

    char *pg_encoding_to_char(int encoding_id);

  • 使用SET client_encoding TO。可以使用以下 SQL 命令设置客户端编码:

    SET CLIENT_ENCODING TO 'value';

    也可以为此使用更标准的 SQL 语法SET NAMES:

    SET NAMES 'value';

    要查询当前客户端编码:

    SHOW client_encoding;

    要返回到默认编码:

    RESET client_encoding;

  • 使用PGCLIENTENCODING。如果在客户端环境中定义了PGCLIENTENCODING环境变量,那么连接服务器时会自动选择该客户端编码。(之后仍可以用上面提到的任何其他方法覆盖它。)

  • 使用配置变量client_encoding。如果设置了postgresql.conf中的client_encoding变量,那么连接服务器时会自动选择该客户端编码。(之后仍可以用上面提到的任何其他方法覆盖它。)

如果某个特定字符无法转换——例如你为服务器选择了EUC_JP,为客户端选择了LATIN1,那么某些日语字符无法转换为LATIN1——该字符会被转换成括在圆括号中的十六进制字节值,例如(826C)。

20.2.4. 进一步阅读

这些都是开始了解各种编码系统的良好资料。

ftp://ftp.ora.com/pub/examples/nutshell/ujip/doc/cjk.inf

对EUC_JP、EUC_CN、EUC_KR、EUC_TW的详细说明见 3.2 节。

http://www.unicode.org/

Unicode Consortium 的网站

RFC 2044

UTF-8 在这里定义。

报告文档问题

阅读 上游文档. 反馈更正前请先核对 当前版本手册.