Oracle在数据转储时的字符集问题

Oracle在数据转储时的字符集问题    
  作为一个Oracle数据库的用户，对于Export和Import两个命令绝对不会感到陌生，因为这二者正是我们经常用于数据备份和恢复的工具。但在使用这两个命令过程中所发生的Oracle字符集问题，常给一些Oracle使用者带来不必要的麻烦和不必要的数据损失。本文将就Export和Import过程中Oracle字符集的转换规律及使用这两个命令的注意事项做一总结。  
     
  字符集转换的原因  
  Export、Import过程如下图所示，从这个示意图中可以看到有四处关系到字符集，而这四处字符集的不一致恰恰是导致Oracle进行字符集转换的原因。    
   
  源数据库字符集；    
  Export过程中用户会话字符集；    
  Import过程中用户会话字符集；    
  目标数据库字符集。    
  在Export和Import过程中，如果存在影响字符集转换的四因素不一致，则可能发生Oracle字符集转换，即：    
   
  在Export过程中，如果源数据库字符集与Export用户会话字符集不一致，会发生字符集转换，并在导出的二进制格式Dmp文件的头部几个字节中存储Export用户会话字符集的ID号。在这个转换过程中可能发生数据的丢失。    
  例1:   如果源数据库使用ZHS16GBK，而Export用户会话字符集使用US7ASCII，由于ZHS16GBK是8位字符集,而US7ASCII是7位字符集，这个转换过程中，中文字符在US7ASCII中不能够找到对等的字符，所以所有中文字符都会丢失而变成“??   ”形式，即这种转换后生成的Dmp文件已经发生了数据丢失。    
  例2:   如果源数据库使用ZHS16GBK,而Export用户会话字符集使用ZHS16CGB231280，但由于ZHS16GBK字符集是ZHS16CGB231280字符集的超集，这个过程中绝大部分字符都能够正确转换，只有一些超出ZHS16CGB231280字符集的字符变为“??   ”形式。如果源数据库使用ZHS16CGB231280字符集，而Export用户会话使用ZHS16GBK字符集，则转换过程能够完全转换成功。    
  在Import向目标数据库转换过程中，其字符集发生转换的情况正好与Export过程相反，这里不再详述。    
  在Export导出的Dmp文件中，含有Export用户会话字符集。在Import过程中，首先发生的是Dmp文件字符集（即Export用户会话字符集）向Import用户会话字符集的转换。如果这个转换过程不能正确完成，Import向目标数据库的导入过程也就不能完成。    
   
  进行字符集的正确转换  
  通常情况下，我们在使用Oracle的Export和Import过程中，并不希望发生字符的转换，但有时这种转换却是必要的。如我们在安装Oracle数据库时，选择ZHS16CGB231280字符集，由于这种字符集是一种中文小字符集，对于一些汉字不能够正确表示，这需要通过使用ZHS16GBK字符集得到解决，此时就要进行字符集的转换。    
   
  为了确保Export、Import过程中，Oracle字符集不发生转换或正确转换，建议最好在进行这个过程前，检查一下源数据库字符集与Export用户会话字符集是否一致，源数据库字符集与目标数据库字符集是否一致，目标数据库字符与Import用户会话字符集是否一致。如果能够保证这四个字符集是一致的，则在Export、Import过程中，Oracle字符集就不用发生转换。    
   
  可用以下办法检查数据库字符集:    
   
  通过InitXXXX.ora文件进行查看；    
  借助SQL语句查看：   SELECT   NAME,VALUE$   FROM   SYS.PROPS$   WHERE   NAME=‘NLS_CHARACTERSET’。    
  对于Export、Import用户会话字符集，在Windows系统中也可以通过注册表中的NLS_LANG进行查看或修改，对于Unix系统则可通过设置用户的环境变量NLS_LANG来查看或修改。    
   
  特别要注意的是，Oracle数据库字符集通常是在创建时确定，一旦存储用户数据后就不要再修改了，因为其数据都是使用该字符集进行存储的，改换其他字符集之后，原有数据就不能够正确表示了。但如果确实想进行字符集改变，则可通过以下几步来实现：    
   
  备份数据库后删除原数据（可物理备份，如使用Export，请注意确保字符集不发生转换或数据无损失）；    
  使用Internal用户更新sys.props$表中的字符集:  
  Update   sys.props$   set   name=‘Dest.CharSet’   Where   name=‘NLS_CHARACTERSET’;   COMMIT;    
  重启数据库；    
  恢复数据。    
  下面字符集之间的转换是可行的：    
   
  字符集子集向字符集父集转换是可行的，如ZHS16CGB231280向ZHS16GBK转换；而字符集父类向字符集子集进行转换时，会损失部分数据。    
  只包含英文字符数据的双字节字符集也可向单字节字符集转换，如ZHS16GBK(English   Only)可以向US7ASCII正确转换。    
  编码范围相同的单字节字符集之间通常可以进行相互转换。    
  请注意，这里所说的没有数据损失，是指一种字符集A转换成另一种字符集B之后，可以再从字符集B正确转换成字符集A或字符集B能够正确表示字符集A中转换过来的数据。    
   
   
  字符集对程序的影响  
  根据一个字符需要多少位字节来表示，可以把字符集分为单字节字符集和多字节字符集。其中，单字节字符集又分为7位字符集和8位字符集。单字节7位编码字符集有US7ASCⅡ，单字节8位编码字符集有符合ISO   8859-1标准规定的WE8ISO8859P1等。多字节编码又分为固定长度（长度大于或等于2）编码模式和不固定长度编码模式。多字节编码字符集中的ZHS16GBK、ZHS16CGB231280、JA16SJIS等是采用两个字节表示一个字符的字符集，又叫双字节字符集。    
   
  一个英文字母是一个字符，一个中文汉字是几个字符呢？我们知道，一个中文汉字是双字节字符，但它有几个字符与其数据库字符集有关。如果数据库字符集使用单字节US7ASCII，则一个中文汉字是二个字符；如果数据库字符集使用双字节字符集ZHS16GBK，则一个中文汉字是一个字符。有关这一点可以使用Oracle的函数Substr得到证明。    
  使用US7ASCⅡ字符集时:    
  Select   substr(‘东北大学’,1,2)   from   dual;    
  语句执行结果返回‘东’。  
   
   
  使用ZHS16GBK字符集时:    
  Select   substr(‘东北大学’,1,2)   from   dual;    
  语句执行结果返回‘东北’。    
   
  选择合适的数据库字符集  
  选择数据库字符集时应考虑以下事项：    
   
   
  1．数据库需要支持什么语言    
  在为数据库选择字符集时，常会发现几种字符集都适合你当前语言需求，如简体中文就有ZHS16GBK和ZHSCGB231280等字符集可供选择，应选择哪种？在选择字符集时，应考虑到数据库将来的系统需求。如果知道将来数据库要扩展支持不同的语言，选择一个范围较广的字符集会是一个更好的主意。    
   
  2．系统资源与应用之间的互作用性  
  选择的数据库字符集应保证操作系统与应用之间的无缝连接。如果选择的字符集不是操作系统有效的字符集，则系统就需要在这两者之间做字符转换。在这种字符转换过程中，就有可能发生一些字符丢失现象。从一种字符集A向另一种字符集B转换过程中，A中的字符必须在B中可以找到等价的字符，否则就会以“？”来代替。从这个意义上说，如果两种字符集编码范围是相同的，则可以相互转换。    
   
  字符集转换过程中会影响系统性能，因此，应保证客户端和服务器端有相同的字符集以避免字符集转换，也可以提高一定的系统性能。    
   
  3．系统的性能要求  
  不同的数据库字符集对于数据库的性能是有一定影响的。为了得到最好的数据库性能，选择的数据库字符集应避免字符转换，并且要选择对于期望的语言有最高效的编码效率。通常，单字节字符集比多字节字符集有更优的性能表现，在空间需求方面也更小些。    
   
   
  4．其他一些限制  
  在为数据库选择一个合适的字符集时，应参考Oracle对应版本的相关文档，检查Oracle对于一些字符集的限制。如Oracle   8.1.5版本中，以下字符集是不能使用的:   JA16EUCFIXED、ZHS16GBKFIXED、JA16DBCSFIXED、KO16DBCSFIXED、ZHS16DBCSFIXED、JA16SJISFIXED、ZHT32TRISFIXED。