Oracle数据库里字符集那些事儿，实际用起来到底咋整才靠谱

说到Oracle数据库的字符集，这玩意儿就像是一个大家庭里定的“家规”，规定了这个家里所有人（也就是所有数据）说话写字必须用哪种语言和文字，你要是定了个“只能讲普通话”的规矩，那家里有人想说广东话或者闽南语，可能就乱套了，Oracle的字符集也是这个理儿，定不好或者用不对，轻则显示乱码，重则数据根本存不进去,非常头疼。

这事儿得从两个核心概念说起，一个是数据库的“字符集”，另一个是“国家字符集”，根据Oracle官方文档里的说法（Database Globalization Support Guide》），字符集是数据库的默认设置，它决定了你怎么存储数据，比如VARCHAR2、CHAR、CLOB这些类型的字段，都用这个字符集，而国家字符集是给NVARCHAR2、NCHAR、NCLOB这些类型准备的备用方案，你建数据库的时候，最主要、最需要操心的是那个默认的字符集。

那在实际用起来，到底咋整才靠谱呢？我总结了几条血泪教训。

第一，也是最最最重要的一条：在创建数据库的那一刻，就要把字符集选对，而且要尽可能选一个“心胸宽广”的。 这就好比盖房子，地基打错了，后面想改就得拆楼，代价巨大，Oracle官方也明确说了，数据库字符集一旦创建，后期再想修改是非常复杂和危险的，虽然不是完全不可能，但过程堪比一场大手术，容易出问题，那选哪个算“心胸宽广”呢？早些年流行用ZHS16GBK，它能很好地支持简体中文，但现在更推荐使用AL32UTF8，为啥？因为AL32UTF8是Unicode字符集的一种实现，你可以把它理解成一个“世界语”字符集，地球上绝大部分的文字符号它都能装下，你今天可能只处理中文，保不齐明天就要存几个日文片假名，或者某个客户名字里带个“♬”这种特殊符号，如果你数据库是ZHS16GBK，碰到这些非中文字符就可能抓瞎，存进去变成问号“？”，而AL32UTF8就能轻松应对，只要不是有特别古老的系统兼容性要求，无脑选AL32UTF8,能给未来省去无数麻烦。

第二，你的客户端环境（比如你的应用程序服务器、你用的SQL开发工具）的字符集设置，必须和数据库服务器“对上暗号”。 Oracle数据库在处理数据时，会在客户端和服务器之间进行一次字符转换，如果两边的“家规”不一样，转换就会出岔子，导致乱码，数据库是AL32UTF8，你的一个应用程序连接过来，但这个程序所在的系统环境变量设成了GBK，那么当程序把一条中文数据发给数据库时，数据库可能会误以为这是GBK编码的字符，然后试图把它转换成AL32UTF8，这一转，乱码就产生了，确保应用服务器、客户端工具（如PL/SQL Developer）的NLS_LANG环境变量设置正确，至关重要，让它和数据库字符集保持一致，比如AMERICAN_AMERICA.AL32UTF8,是最稳妥的做法。

第三，对于超长文本，比如小说内容、大段的评论，要谨慎选择字段类型。 这里就涉及到前面说的“国家字符集”了，VARCHAR2类型用的是数据库字符集，而NVARCHAR2类型用的是国家字符集，如果你建库时选的国家字符集是UTF8（或AL16UTF16），那么NVARCHAR2就能提供比某些数据库字符集更纯粹的Unicode支持，在一些特定历史版本的Oracle中，如果数据库字符集不是UTF系列，但你又想确保某些关键字段（比如需要国际化的产品名称、用户输入的自由文本）绝对不出现乱码，就可以考虑使用NVARCHAR2，如果你的数据库字符集本身就已经是AL32UTF8了，那么绝大多数情况下，直接用VARCHAR2和CLOB就足够了,因为AL32UTF8已经是很好的Unicode支持了。

第四，导入导出数据（exp/imp或数据泵expdp/impdp）时，字符集是重中之重。 Oracle的导出工具在写数据文件时，会记录下当时数据库的字符集信息，导入的时候，如果目标库的字符集和导出文件里记录的不一致，导入工具就会尝试做转换，这个转换能成功的前提是，目标库的字符集必须是导出库字符集的“超集”，比如说，从ZHS16GBK库导出数据，往AL32UTF8库导入，通常没问题，因为AL32UTF8完全包容ZHS16GBK，但反过来，从AL32UTF8往ZHS16GBK导入，那些超出GBK范围的字符（比如emoji表情）就肯定会丢失或变成乱码，在做数据迁移前，先用SQL（比如select * from nls_database_parameters where parameter='NLS_CHARACTERSET';）查清楚两边数据库的字符集,是避免白忙活的关键一步。

对付Oracle字符集，核心思想就是“预防大于治疗”，在项目一开始，就通盘考虑业务可能涉及的语言范围，为未来留出扩展余地，首选AL32UTF8，然后在各个环节，从应用连接到数据迁移，都时刻留意字符集设置的一致性，这样，才能让字符集这个问题真正变得“靠谱”起来,不给你添乱。