c# - 使用正确的字符集将字符写入数据库

Question

我在将中文字符写入 Oracle 数据库时遇到了问题。这里有一些信息供您引用。

1. 环境:Oracle 8

   select userenv('language') form dual;
   

   返回

   American.America.UTF8
   

2. 开发:

   .NET2/C#
   

3. 客户端字符集:

   gb2312
   

我简单地手动测试了写入值到表中，结果是正确的，应该如下:

VALUE: 朋友        //chinese word means 'friend'
DUMP: 197,243,211,209 //caculated by Oracle dump() function

使用代码编写，代码截图如下:

Encoding def = Encoding.Default;
Encoding utf8 = Encoding.UTF8;
byte[] bytes = def.GetBytes("朋友")；
//For debug
//string debug = "";
//foreach(byte b in bytes)
//   debug += b.ToString() + " ";
//Debug.WriteLine(debug); //That will display 197,243,211,209 as the same as the Dump value mentioned
string value = utf8.GetString(bytes);
//I also try, string value = utf8.GetString(Encoding.Convert(def,utf8,bytes))
string sql = String.Format("UPDATE T SET C='{0}' WHERE...",value);
//execute the sql...

之后，存储在 DBMS 中的值不正确，无论是值还是转储结果。

Answer 1

Decimal Hexadecimal Binary
197     c5          1100 0101
243     f3          1111 0011
211     d3          1101 0011
209     d1          1101 0001

查看Wikipedia我们看到 197 是双字节序列的第一个字节，243 是四字节序列的第一个字节，211 是双字节序列的第一个字节，208 是双字节序列的第一个字节。那不是有效的 UTF-8。你能告诉我们 friend 这两个字符的 unicode 代码点是什么吗？

编辑 啊，GB2313，c5f3 是 Unicode 代码点 u+670b。 d3d1 是 u+53cb。 (在 http://demo.icu-project.org/icu-bin/convexp?conv=ibm-1383_P110-1999&ShowLocales&s=ALL#ShowLocales 处使用转换器找到)

仔细检查 Oracle 客户端使用的客户端字符集。我所看到的(在 Oracle 10gR2 上)是如果 Oracle 的客户端具有与数据库服务器相同的字符编码，那么字符将不会被翻译(因为它们是相同的字符集)但它们不会被验证。看起来它们在手动插入时是相同的，并且为您想要的字符插入了 GB2313 值，这在数据库中是无效的，因为它是 utf8。

请注意，Oracle 的“utf8”字符集不是完整的现代 UTF-8，而是 CESU-8。在这种情况下不是问题，因为这些字符位于基本多语言平面上，并且在 UTF-8 和 CESU-8 中具有相同的编码。我能找到的最早引用资料是针对 Oracle 8i 的:http://download.oracle.com/docs/cd/A87860_01/doc/server.817/a76966/appa.htm#971460 .