Oracle字符集相关知识

Oracle的字符集命名遵循以下命名规则:

<Language><bit size><encoding>
AL32UTF8/AL16UTF16/ZHS16GBK(AL=ALL)

Oracle客户端字符集(NLS_LANG)：

Oracle使用的系统环境变量，主要用于传输过程中进行转换判断，格式为<language>_<territory>.<character_set>，如:SIMPLIFIED CHINESE_CHINA.ZHS16GBK
language控制消息、日期、月份等的显示格式，territory会影响默认日期、货币值、数字等的显示格式，character_set控制客户端应用使用的字符集。

数据库字符集(NLS_CHARACTERSET):

在创建数据库实例时设置，控制数据库的字符集。

国家字符集(NLS_NCHAR_CHARACTERSET):

在创建数据库实例时设置，控制数据库中NCHAR, NVARCHAR2, NCLOB等类型数据

查询Oracle相关字符集设置：

--数据库字符集
SELECT * FROM NLS_DATABASE_PARAMETERS;--实例字符集环境
SELECT * FROM NLS_INSTANCE_PARAMETERS;--会话字符集环境
SELECT * FROM NLS_SESSION_PARAMETERS;--客户端字符集
SELECT * FROM V$NLS_PARAMETERS;
SELECT USERENV('language') FROM DUAL;

字符/字符集/字符编码介绍:

字符(Character):
字符指类字形单位或符号，包括字母、数字、运算符号、标点符号和其他符号，以及一些功能性符号。字符是电子计算机或无线电通信中字母、数字、符号的统称，其是数据结构中最小的数据存取单位，通常由8个二进制位(一个字节)来表示一个字符。

字符集(Character Set)：
   字符集是多个字符的集合。字符集种类较多，每个字符集包含的字符个数不同，常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集等。
   UNICODE:
       Unicode译为统一码，也叫万国码、单一码是计算机科学领域里的一项业界标准，是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。
       Unicode字符集可以简写为UCS(Unicode Character Set)。UCS-2是用两个字节来表示代码点，其取值范围为 U+0000～U+FFFF。UCS-4是用四个字节表示代码点，取值范围为范围为U+00000000～U+7FFFFFFF，其中 U+00000000～U+0000FFFF和UCS-2是一样的。
       Unicode编码规则包括:UTF-8、UTF-16、UTF-32。

字符编码(Character encoding):
   字符编码也称字集码，是编码规则，把字符集中的字符编码为指定集合中某一对象例如：比特模式、自然数序列、8位组或者电脉冲），以便文本在计算机中存储和通过通信网络的传递。
   ASCII:
       ASCII((American Standard Code for Information Interchange):美国信息交换标准代码) 是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准，并等同于国际标准ISO/IEC 646。
       它是一个7位的编码标准(剩下的1位二进制为0)，最后一次更新则是在1986年，包括33个控制代码(0～31和127)、空格(32)、10个数字(48～57)、26个大写字母(65～90)、26个小写字母(97～122)和32个符号，共128个代码。其中33个字符无法显示（一些终端提供了扩展，使得这些字符可显示为诸如笑脸、扑克牌花式等8-bit符号），且这33个字符多数都已是陈废的控制字符。控制字符的用途主要是用来操控已经处理过的文字。在33个字符之外的是95个可显示的字符。用键盘敲下空白键所产生的空白字符也算1个可显示字符（显示为空白）。
   ANSI:
       ANSI((American National Standards Institute):美国国家标准学会) 是一种字符代码，为使计算机支持更多语言，通常使用 0x00~0x7f范围的1个字节来表示1个英文字符。超出此范围的使用0x80~0xFFFF来编码，即扩展的ASCII编码。
       不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、GB18030、Big5、Shift_JIS 等各自的编码标准。这些使用多个字节来代表一个字符的各种汉字延伸编码方式，称为ANSI编码。是在ASCII基础上进行的扩充。
       ANSI并不是某一种特定的字符编码，而是在不同的系统中表示不同的编码，在简体中文系统中它是GB18030，在韩文系统中它是EUC-KR。不同ANSI编码之间互不兼容。
   UTF(Unicode Transformation Formats)系列:
       UTF-8(8-bit Unicode Transformation Format)是一种针对Unicode的可变长度字符编码，也是一种前缀码。由于较小值的编码点一般使用频率较高，直接使用Unicode编码效率低下，大量浪费内存空间。UTF-8就是为了解决向后兼容ASCII码而设计，Unicode中前128个字符，使用与ASCII码相同的二进制值的单个字节进行编码，而且字面与ASCII码的字面一一对应，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。
       UTF-8使用一至六个字节为每个字符编码（尽管如此，2003年11月UTF-8被RFC 3629重新规范，只能使用原来Unicode定义的区域，U+0000到U+10FFFF，也就是说最多四个字节）：
           1.128个US-ASCII字符只需一个字节编码（Unicode范围由U+0000至U+007F）。
           2.带有附加符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母则需要两个字节编码（Unicode范围由U+0080至U+07FF）。
           3.其他基本多文种平面（BMP）中的字符（这包含了大部分常用字，如大部分的汉字）使用三个字节编码（Unicode范围由U+0800至U+FFFF）。
           4.其他极少使用的Unicode 辅助平面的字符使用四至六字节编码（Unicode范围由U+10000至U+1FFFFF使用四字节，Unicode范围由U+200000至U+3FFFFFF使用五字节，Unicode范围由U+4000000至U+7FFFFFFF使用六字节）

       UTF-16是Unicode字符编码五层次模型的第三层：字符编码表的一种实现方式。即把Unicode字符集的抽象码位映射为16位长的整数（即码元）的序列，用于数据存储或传递。
       UTF-16可看成是UCS-2的父集。在没有辅助平面字符（surrogate code points）前，UTF-16与UCS-2所指的是同一的意思。

UTF-32是32位Unicode转换格式的缩写。UTF-32是一种用于编码Unicode的协定，该协定使用32位比特对每个Unicode码位进行编码。与其他可变长度的Unicode转换格式（UTF）相比，UTF-32编码长度是固定的，UTF-32中的每个32位值代表一个Unicode码位，并且与该码位的数值完全一致。
UTF-32和UCS4能表示的字符是相同的。