PostgreSQL的字符集

PostgreSQL的字符集

PostgreSQL 支持多种字符集（character sets），也称为编码（encoding）。字符集决定了数据库存储和处理文本数据的方式。在创建数据库时，可以指定数据库的字符集，或者使用默认的字符集。常见的字符集包括 UTF-8、LATIN1、SQL_ASCII 等。

以下是 PostgreSQL 支持的一些常见字符集：

常见字符集

1. UTF-8

   • 这是 Unicode 的 8 位编码形式，是目前最通用和推荐使用的一种字符集，能够表示几乎所有已知的书写系统字符。

2. LATIN1（ISO 8859-1）

   • 这是西欧的 ISO 8859-1 字符集，也称为 Latin-1。如果你的数据只包含西欧字符，这可能是一个合理的选择。

3. SQL_ASCII

   • 这是 PostgreSQL 的默认字符编码，实际上没有进行任何编码转换。它只用于纯 ASCII 数据，不推荐用于包含非 ASCII 字符的情况。

4. LATIN9（ISO 8859-15）

   • 这是西欧字符集的扩展版本，包含了 LATIN1 的所有字符以及一些额外的字符（如欧元符号€）。

5. LATIN2（ISO 8859-2）

   • 这是中欧的 ISO 8859-2 字符集，适用于中欧语言，如捷克语、匈牙利语等。

6. LATIN3（ISO 8859-3）

   • 这是南欧的 ISO 8859-3 字符集，适用于西南欧语言，如土耳其语、马耳他语等。

7. LATIN4（ISO 8859-4）

   • 这是一套包含北欧和波罗的海语言字符的编码。

8. LATIN5（ISO 8859-9）

   • 这是土耳其语的 ISO 8859-9 字符集。

9. LATIN7（ISO 8859-13）

   • 这是波罗的海语言的 ISO 8859-13 字符集。

10. LATIN10（ISO 8859-16）

    • 这是南东欧语言的字符集。

11. 其他字符集

    • 例如，WIN1250、WIN1251、WIN1252、WIN1253、WIN1254 等 Windows 特定字符集。

如何查看支持的字符集

要查看 PostgreSQL 支持的字符集，你可以查询 pg_conversion 系统表，并使用 pg_encoding_to_char 函数来获取支持的编码。

postgres=# \d pg_conversionTable "pg_catalog.pg_conversion"Column     |  Type   | Collation | Nullable | Default 
----------------+---------+-----------+----------+---------oid            | oid     |           | not null | conname        | name    |           | not null | connamespace   | oid     |           | not null | conowner       | oid     |           | not null | conforencoding | integer |           | not null | contoencoding  | integer |           | not null | conproc        | regproc |           | not null | condefault     | boolean |           | not null | 
Indexes:"pg_conversion_oid_index" PRIMARY KEY, btree (oid)"pg_conversion_default_index" UNIQUE CONSTRAINT, btree (connamespace, conforencoding, contoencoding, oid)"pg_conversion_name_nsp_index" UNIQUE CONSTRAINT, btree (conname, connamespace)postgres=# 
postgres=# select distinct contoencoding,pg_encoding_to_char(contoencoding) from pg_conversion order by 1;contoencoding | pg_encoding_to_char 
---------------+---------------------1 | EUC_JP2 | EUC_CN3 | EUC_KR4 | EUC_TW5 | EUC_JIS_20046 | UTF87 | MULE_INTERNAL8 | LATIN19 | LATIN210 | LATIN311 | LATIN412 | LATIN513 | LATIN614 | LATIN715 | LATIN816 | LATIN917 | LATIN1018 | WIN125619 | WIN125820 | WIN86621 | WIN87422 | KOI8R23 | WIN125124 | WIN125225 | ISO_8859_526 | ISO_8859_627 | ISO_8859_728 | ISO_8859_829 | WIN125030 | WIN125331 | WIN125432 | WIN125533 | WIN125734 | KOI8U35 | SJIS36 | BIG537 | GBK38 | UHC39 | GB1803040 | JOHAB41 | SHIFT_JIS_2004
(41 rows)

执行上述查询后，你会得到一个列表，显示 PostgreSQL 支持的所有编码。

创建数据库时指定字符集

创建数据库时，可以使用 ENCODING 参数指定数据库的字符集。例如，创建一个使用 UTF-8 编码的数据库：

CREATE DATABASE mydbWITH ENCODING='UTF8'LC_COLLATE='en_US.UTF-8'LC_CTYPE='en_US.UTF-8'TEMPLATE=template0;

• ENCODING='UTF8'：指定数据库的文本编码为 UTF-8。
• LC_COLLATE 和 LC_CTYPE：分别指定排序规则和字符类型，必须与编码兼容。

修改现有数据库的字符集

PostgreSQL 不允许直接修改现有数据库的字符集。如果需要更改字符集，通常的做法是：

1. 导出数据：使用 pg_dump 工具导出数据。
2. 创建新数据库：使用新的字符集创建一个新数据库。
3. 导入数据：使用 pg_restore 或 psql 工具将数据导入新数据库。

查询数据库当前的字符集

要查看当前数据库的字符集，可以使用以下 SQL 查询：

postgres=# select oid,datname,pg_encoding_to_char(encoding) from pg_database order by 1;oid  |  datname  | pg_encoding_to_char 
-------+-----------+---------------------1 | template1 | UTF84 | template0 | UTF85 | postgres  | UTF816520 | white2    | UTF816535 | white3    | UTF817037 | white1    | UTF817619 | white     | UTF8
(7 rows)

总结

PostgreSQL 支持多种字符集，可以满足不同语言和地区文本处理的需求。默认情况下，建议使用 UTF-8 字符集，因为它具有广泛的兼容性和灵活性。在创建数据库时，可以通过指定 ENCODING 参数来选择所需的字符集，并确保排序规则和字符类型与编码一致。通过合理选择字符集，确保数据库能够正确存储和处理文本数据。