↑↓ 选择 ↵ 打开 ⌫ 改范围 完整检索页

pgsql.cc 提供对 postgresql.org 官网内容的中文翻译,由 Pigsty 团队维护。

受支持版本: 当前版本 (18) / 17 / 16 / 15 / 14
测试与开发版本: 19 / devel
不受支持的版本: 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 7.2 已于 2007 年 2 月结束社区维护,本页译文保留供仍在使用旧版本的读者参考。新系统请看当前版本。

5.2. 多字节支持 #

作者

Tatsuo Ishii(), 最后更新于 2000-03-22。 更多信息请查看Tatsuo 的 网站。

多字节(MB)支持旨在让 PostgreSQL能够处理 多字节字符集,例如EUC(扩展 Unix 编码)、Unicode 和 Mule 内部编码。启用MB后,你可以在正则表达式 (regexp)、LIKE 以及其他一些函数中使用多字节字符集。默认 编码系统是在使用initdb初始化 PostgreSQL安装时选定的。注意,这可以在你 使用createdb创建数据库或使用 SQL 命令 CREATE DATABASE时被覆盖。因此你可以拥有多个数据库, 并让每个数据库使用不同的编码系统。

5.2.1. 启用多字节支持

在运行 configure 时带上多字节选项:

./configure --enable-multibyte[=encoding_system]

其中encoding_system可以是下表中的值之一:

表 5.1. 字符集编码

编码 描述
SQL_ASCII ASCII
EUC_JP 日语 EUC
EUC_CN 中文 EUC
EUC_KR 韩语 EUC
EUC_TW 台湾 EUC
UNICODE Unicode(UTF-8)
MULE_INTERNAL Mule 内部编码
LATIN1 ISO 8859-1 ECMA-94 拉丁字母 No.1
LATIN2 ISO 8859-2 ECMA-94 拉丁字母 No.2
LATIN3 ISO 8859-3 ECMA-94 拉丁字母 No.3
LATIN4 ISO 8859-4 ECMA-94 拉丁字母 No.4
LATIN5 ISO 8859-9 ECMA-128 拉丁字母 No.5
LATIN6 ISO 8859-10 ECMA-144 拉丁字母 No.6
LATIN7 ISO 8859-13 拉丁字母 No.7
LATIN8 ISO 8859-14 拉丁字母 No.8
LATIN9 ISO 8859-15 拉丁字母 No.9
LATIN10 ISO 8859-16 ASRO SR 14111 拉丁字母 No.10
ISO-8859-5 ECMA-113 拉丁/西里尔
ISO-8859-6 ECMA-114 拉丁/阿拉伯
ISO-8859-7 ECMA-118 拉丁/希腊
ISO-8859-8 ECMA-121 拉丁/希伯来
KOI8 KOI8-R(U)
WIN Windows CP1251
ALT Windows CP866


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),就应该非常小心这个变化。

重要

并非所有 API 都支持上面列出的编码。例如, PostgreSQL的 JDBC 驱动不支持 MULE_INTERNAL、LATIN6、 LATIN8和LATIN10。

这里有一个把PostgreSQL默认配置为使用日语编码的例子:

$ ./configure --enable-multibyte=EUC_JP

如果省略了编码系统(./configure --enable-multibyte),则假定使用SQL_ASCII。

5.2.2. 设置编码

initdb为PostgreSQL 安装定义默认编码。例如:

$ initdb -E EUC_JP

这会把默认编码设为EUC_JP(日语的扩展 Unix 编码)。 注意,如果你喜欢较长的选项形式,也可以用--encoding代 替-E。如果既没有给出-E也没有给出 --encoding,就使用在 configure 时指定的编码。

你可以创建使用不同编码的数据库:

$ createdb -E EUC_KR korean

这会创建一个名为korean的数据库,使用 EUC_KR编码。另一种实现方式是使用 SQL 命令:

CREATE DATABASE korean WITH ENCODING = 'EUC_KR';

数据库的编码表示为pg_database系统目录中的一个 编码列。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)

5.2.3. 服务器和客户端之间的自动编码翻译

对于某些编码,PostgreSQL支持在服务器和客 户端之间进行自动编码翻译。可用的组合列在 表 5.2中。

表 5.2. 客户端/服务器字符集编码

服务器编码 可用的客户端编码
SQL_ASCII SQL_ASCII, UNICODE, MULE_INTERNAL
EUC_JP EUC_JP, SJIS, UNICODE, MULE_INTERNAL
EUC_TW EUC_TW, BIG5, UNICODE, MULE_INTERNAL
LATIN1 LATIN1, UNICODE MULE_INTERNAL
LATIN2 LATIN2, WIN1250, UNICODE, MULE_INTERNAL
LATIN3 LATIN3, UNICODE MULE_INTERNAL
LATIN4 LATIN4, UNICODE MULE_INTERNAL
LATIN5 LATIN5, UNICODE MULE_INTERNAL
LATIN6 LATIN6, UNICODE MULE_INTERNAL
LATIN7 LATIN7, UNICODE MULE_INTERNAL
LATIN8 LATIN8, UNICODE MULE_INTERNAL
LATIN9 LATIN9, UNICODE MULE_INTERNAL
LATIN10 LATIN10, UNICODE MULE_INTERNAL
ISO_8859_5 ISO_8859_5, UNICODE
ISO_8859_6 ISO_8859_6, UNICODE
ISO_8859_7 ISO_8859_7, UNICODE
ISO_8859_8 ISO_8859_8, UNICODE
ISO_8859_9 ISO_8859_9, WIN, ALT, KOI8R, UNICODE, MULE_INTERNAL
UNICODE EUC_JP, SJIS, EUC_KR, EUC_CN, EUC_TW, BIG5, LATIN1 to LATIN10, ISO_8859_5, ISO_8859_6, ISO_8859_7, ISO_8859_8, WIN, ALT, KOI8
MULE_INTERNAL EUC_JP, SJIS, EUC_KR, EUC_CN, EUC_TW, BIG5, LATIN1 to LATIN5, WIN, ALT, WIN1250
KOI8 ISO_8859_9, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL
WIN ISO_8859_9, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL
ALT ISO_8859_9, WIN, ALT, KOI8, UNICODE, MULE_INTERNAL

若要启用自动编码转换,必须告诉PostgreSQL 你希望客户端使用哪种编码。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得到:

    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 'encoding';
    

    也可以为此使用 SQL92 语法SET NAMES:

    SET NAMES 'encoding';
    

    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。)

5.2.4. 关于 Unicode

从PostgreSQL 7.1 开始支持 Unicode 与其他编码之间的自动编码翻译。在 7.1 中它默认不启用。要启用这个特性,运行 configure 时带上--enable-unicode-conversion选项。注意这还要求同时带--enable-multibyte选项。

对于 7.2,--enable-unicode-conversion不再必要。只要指定了--enable-multibyte,Unicode 转换功能就会自动启用。

5.2.5. 如果无法完成转换会怎样?

假设你为服务器选择了EUC_JP ,为客户端选择了LATIN1, 那么某些日语字符无法翻译为LATIN1。在 这种情况下,无法用LATIN1字符集表示的字母 会被变换为:

(HEXA DECIMAL)

5.2.6. 参考资料

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。

5.2.7. 历史

Dec 7, 2000
        * 实现了 Unicode 与其他编码之间的自动编码转换
        * 以上变更将出现在 7.1 中

May 20, 2000
        * SJIS UDC(NEC 选定 IBM 汉字)支持,由 Eiji Tokuya 贡献
        * 以上变更将出现在 7.0.1 中

Mar 22, 2000
        * 新增 libpq 函数 PQsetClientEncoding、PQclientEncoding
        * ./configure --with-mb=EUC_JP
          已废弃。请改用 ./configure --enable-multibyte=EUC_JP
        * 新增 SQL_ASCII 回归测试用例
        * 新增 SJIS 用户自定义字符(UDC)支持
        * 以上全部将出现在 7.0 中

July 11, 1999
        * 新增对 WIN1250(Windows 捷克语)作为客户端编码的支持(由 Pavel Behal 贡献)
        * 修复一些编译器警告(由 Tomoaki Nishiyama 贡献)

Mar 23, 1999
        * 新增对 KOI8(KOI8-R)、WIN(CP1251)、ALT(CP866) 的支持(感谢 Oleg Broytmann 测试)
        * 修复 MB 与 locale 相关的问题

Jan 26, 1999
        * 新增 Big5 作为前端编码的支持(要使用 Big5,需用 EUC_TW 创建数据库)
        * 新增 EUC_TW 的回归测试用例(由 Jonah Kuo )

Dec 15, 1998
        * 修复了与 SQL_ASCII 支持相关的一些错误

Nov 5, 1998
        * 6.4 发布。此版本中,pg_database 增加了表示数据库编码的 "encoding" 列

Jul 22, 1998
        * 在 initdb/createdb 时确定编码,而非编译时
        * 在发出 COPY 命令时支持 PGCLIENTENCODING
        * 支持 SQL92 语法 "SET NAMES"
        * 支持 LATIN2-5
        * 新增 UNICODE 回归测试用例
        * 新的 MB 测试套件
        * 清理源代码文件

Jun 5, 1998
        * 新增后端与前端之间的编码转换支持
        * 新增 SET CLIENT_ENCODING 等新命令
        * 新增 LATIN1 字符集支持
        * 增强 8 位洁净性

April 21, 1998 一些增强/修复
        * character_length()、position()、substring() 现在能识别多字节字符
        * 新增 octet_length()
        * 为 configure 新增 --with-mb 选项
        * 新的 EUC_KR 回归测试(由 Soonmyung Hong 贡献)
        * 为 EUC_JP 回归测试新增一些测试用例
        * 修复 System V 情况下 regress/regress.sh 中的问题
        * 修复 toupper()、tolower() 以处理 8 位字符

Mar 25, 1998 MB PL2 被并入 PostgreSQL 6.3.1

Mar 10, 1998 PL2 发布
        * 为 EUC_JP、EUC_CN 和 MULE_INTERNAL 新增回归测试
        * 新增一份英文文档(本文件)
        * 修复与 8 位单字节字符有关的问题

Mar 1, 1998 PL1 发布

5.2.8. Windows/ODBC 上的 WIN1250

Windows 客户端平台上的 WIN1250 字符集可以配合启用了区域支持的 PostgreSQL使用。

应记住以下几点:

  • 成功与否取决于正确的系统区域设置。这已经在Red Hat 6.0和Slackware 3.6上用 cs_CZ.iso8859-2区域测试过。

  • 决不要尝试把服务器的数据库编码设为 WIN1250。 始终改用 LATIN2,因为 Unix 中没有 WIN1250 区域。

  • WIN1250 编码只对 Windows ODBC 客户端可用。 字符会被动态转码,以便正确显示和存回。

Windows/ODBC 上的 WIN1250

  1. 在启用区域支持、服务器端编码设为LATIN2的情况下编译 PostgreSQL。

  2. 设置你的安装。不要忘记在环境中创建区域变量。例如(这可能 不适用于你的环境):

    LC_ALL=cs_CZ.ISO8859-2
    
  3. 必须带着区域设置启动服务器!

  4. 用捷克语试一试,并在查询上进行排序。

  5. 在你的 Windows 机器上为PostgreSQL安装 ODBC 驱动。

  6. 正确设置你的数据源。在 ODBC 配置对话框的Connect Settings字段中加入这一行:

    SET CLIENT_ENCODING = 'WIN1250';
    
  7. 现在再试一次,但这次是在带 ODBC 的 Windows 中。

提交更正

译文有误、术语不当或页面显示问题,请到译文仓库 pgsty/pgdoc 报告译文问题。 英文原文本身的问题,请在当前版本的对应页面向上游反馈;上游不再修订已结束维护的版本。