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
-
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。
-
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。
-
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。
-
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€）。
-
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。
-
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。
-
LATIN4（ISO 8859-4）
- 这是一套包含北欧和波罗的海语言字符的编码。
-
LATIN5（ISO 8859-9）
- 这是土耳其语的 ISO 8859-9 字符集。
-
LATIN7（ISO 8859-13）
- 这是波罗的海语言的 ISO 8859-13 字符集。
-
LATIN10（ISO 8859-16）
- 这是南东欧语言的字符集。
-
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_conversion
Table "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_JP
2 | EUC_CN
3 | EUC_KR
4 | EUC_TW
5 | EUC_JIS_2004
6 | UTF8
7 | MULE_INTERNAL
8 | LATIN1
9 | LATIN2
10 | LATIN3
11 | LATIN4
12 | LATIN5
13 | LATIN6
14 | LATIN7
15 | LATIN8
16 | LATIN9
17 | LATIN10
18 | WIN1256
19 | WIN1258
20 | WIN866
21 | WIN874
22 | KOI8R
23 | WIN1251
24 | WIN1252
25 | ISO_8859_5
26 | ISO_8859_6
27 | ISO_8859_7
28 | ISO_8859_8
29 | WIN1250
30 | WIN1253
31 | WIN1254
32 | WIN1255
33 | WIN1257
34 | KOI8U
35 | SJIS
36 | BIG5
37 | GBK
38 | UHC
39 | GB18030
40 | JOHAB
41 | 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 mydb
WITH 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：
- 导出数据：使用
pg_dump工具导出数据。 - 创建新数据库：使用新的字符集创建一个新数据库。
- 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 | UTF8
4 | template0 | UTF8
5 | postgres | UTF8
16520 | white2 | UTF8
16535 | white3 | UTF8
17037 | white1 | UTF8
17619 | 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。
