PostgreSQL 7.4 文档 · 20.2. 字符集支持

文档 → PostgreSQL 7.4

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 7.4 已于 2010 年 10 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。

20.2. 字符集支持
上一页	上一级	第 20 章本地化	起始页	下一页

20.2. 字符集支持 #

20.2.1. 支持的字符集
20.2.2. 设置字符集
20.2.3. 服务器和客户端之间的自动字符集转换
20.2.4. 进一步阅读

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_ASCII`	ASCII
`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
`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`	ISO 8859-5/ECMA 113（拉丁/西里尔）
`ISO_8859_6`	ISO 8859-6/ECMA 114（拉丁/阿拉伯）
`ISO_8859_7`	ISO 8859-7/ECMA 118（拉丁/希腊）
`ISO_8859_8`	ISO 8859-8/ECMA 121（拉丁/希伯来）
`KOI8`	KOI8-R(U)
`WIN`	Windows CP1251
`ALT`	Windows CP866
`WIN1256`	Windows CP1256（阿拉伯语）
`TCVN`	TCVN-5712/Windows CP1258（越南语）
`WIN874`	Windows 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_ASCII`	`SQL_ASCII`, `UNICODE`, `MULE_INTERNAL`
`EUC_JP`	`EUC_JP`, `SJIS`, `UNICODE`, `MULE_INTERNAL`
`EUC_CN`	`EUC_CN`, `UNICODE`, `MULE_INTERNAL`
`EUC_KR`	`EUC_KR`, `UNICODE`, `MULE_INTERNAL`
`JOHAB`	`JOHAB`, `UNICODE`
`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`
`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`, `MULE_INTERNAL`, `WIN`, `ALT`, `KOI8`
`ISO_8859_6`	`ISO_8859_6`, `UNICODE`
`ISO_8859_7`	`ISO_8859_7`, `UNICODE`
`ISO_8859_8`	`ISO_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_INTERNAL`	`EUC_JP`, `SJIS`, `EUC_KR`, `EUC_CN`, `EUC_TW`, `BIG5`, `LATIN1` to `LATIN5`, `WIN`, `ALT`, `WIN1250`, `BIG5`, `ISO_8859_5`, `KOI8`
`KOI8`	`ISO_8859_5`, `WIN`, `ALT`, `KOI8`, `UNICODE`, `MULE_INTERNAL`
`WIN`	`ISO_8859_5`, `WIN`, `ALT`, `KOI8`, `UNICODE`, `MULE_INTERNAL`
`ALT`	`ISO_8859_5`, `WIN`, `ALT`, `KOI8`, `UNICODE`, `MULE_INTERNAL`
`WIN1256`	`WIN1256`, `UNICODE`
`TCVN`	`TCVN`, `UNICODE`
`WIN874`	`WIN874`, `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。

上一页	上一级	下一页
第 20 章本地化	起始页	第 21 章日常数据库维护任务

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。