字符集

OceanBase 数据库默认的字符集是 utf8mb4。

OceanBase 数据库目前支持如下字符集：

• binary

• gbk

• gb18030

• utf16

• utf8mb4

• latin1

• gb18030_2022

  说明

  为支持无缝迁移，OceanBase 数据库在语法上将 UTF8 视为 UTF8MB4 的同义词。

  OceanBase 数据库当前版本不支持 gb18030 与 gb18030_2022 的隐式转换，但用户可以通过 CONVERT 将一个 gb18030 的字符串的字符集显式转换为 gb18030_2022。该转换没有经过 Unicode，采取了保留编码的方法。如下示例中，‘龴’ 的编码在转换前后都为 0xFE59，没有发生变化。

  obclient> SELECT HEX(CONVERT(_gb18030 0xFE59 USING gb18030_2022)), HEX(CONVERT(_gb18030_2022 0xFE59 USING gb18030));
  +--------------------------------------------------+--------------------------------------------------+
  | HEX(CONVERT(_gb18030 0xFE59 USING gb18030_2022)) | HEX(CONVERT(_gb18030_2022 0xFE59 USING gb18030)) |
  +--------------------------------------------------+--------------------------------------------------+
  | FE59                                             | FE59                                             |
  +--------------------------------------------------+--------------------------------------------------+
  1 row in set
  

  请使用如下 SHOW CHARACTER SET 语句查看可用的字符集。

  obclient> SHOW CHARACTER SET;
  +--------------+-----------------------+-------------------------+--------+
  | Charset      | Description           | Default collation       | Maxlen |
  +--------------+-----------------------+-------------------------+--------+
  | binary       | Binary pseudo charset | binary                  |      1 |
  | utf8mb4      | UTF-8 Unicode         | utf8mb4_general_ci      |      4 |
  | gbk          | GBK charset           | gbk_chinese_ci          |      2 |
  | utf16        | UTF-16 Unicode        | utf16_general_ci        |      2 |
  | gb18030      | GB18030 charset       | gb18030_chinese_ci      |      4 |
  | latin1       | cp1252 West European  | latin1_swedish_ci       |      1 |
  | gb18030_2022 | GB18030-2022 charset  | gb18030_2022_chinese_ci |      4 |
  +--------------+-----------------------+-------------------------+--------+
  7 rows in set
  

  OceanBase 数据库支持指定非默认字符集与服务器通信。例如，要使用 gbk 字符集，在连接到服务器后执行以下语句：

  obclient> SET NAMES gbk;
  Query OK, 0 rows affected
  

  需要注意的是，SET NAMES 语句不会更改客户端输入字符的编码。例如，使用 SET NAMES 配置客户端编码为 gb18030_2022 的前提是客户端已经使用了 gb18030_2022 编码，否则会导致乱码出现。

  /* 客户端使用 utf8mb4 字符集并创建了默认为 utf8mb4 字符集的表 t */
  obclient> CREATE TABLE t(c VARCHAR(100));
  Query OK, 0 rows affected
  
  /* 插入了 utf8mb4 编码的字符 */
  obclient> INSERT INTO t VALUES ('字符集');
  Query OK, 1 row affected
  
  /* 修改了当前会话的字符集，但没有改变客户端实际使用的字符集 */
  obclient> SET NAMES gb18030_2022;
  Query OK, 0 rows affected
  
  /* 仍然使用 utf8mb4 编码插入字符 */
  obclient> INSERT INTO t VALUES ('字符集');
  Query OK, 1 row affected
  
  /* 查询表 t 的数据出现乱码 */
  obclient> SELECT * FROM t;
  +----------+
  | c        |
  +----------+
  | �ַ���      |
  | 字符�     |
  +----------+
  2 rows in set
  
  /* 修改当前会话的字符集为 utf8mb4 */
  obclient> SET NAMES utf8mb4;
  Query OK, 0 rows affected
  
  /* 再次查询表 t 的数据，第二次插入的字符仍为乱码 */
  obclient> SELECT * FROM t;
  +--------------+
  | c            |
  +--------------+
  | 字符集       |
  | 瀛楃闆      |
  +--------------+
  2 rows in set