1、字符集的一些基本知識
字符集有很多種，最初的字符集是ASCII，由於ASCII支持的字符很有限，因此隨後又出現了很多的編碼方案，這些編碼方案大部分都是包括了ASCII的。EBCDIC編碼是另一個比較基本的編碼，它的部分字符采用了和ASCII不同的編碼值，因此兩者是不兼容的基本編碼方案。採用EBCDIC編碼的比較少，目前主要是IBM 的系統採用，如AS400及S390系統，大部分的系統都是基於ASCII編碼的。
由於亞洲國家的字符集相對複雜一些，因此一般都使用了兩個及以上的字節進行編碼的方案。對於簡體中文，GB2312碼是國家1981年實施的編碼標準，通行於大陸。新加坡等地也使用此編碼。GBK編碼是GB2312碼的擴展，是1995年發佈的指導性規範，它在字彙一級支持 ISO/IEC 10646-1 和GB 13000-1 的全部中日韓 (CJK) 漢字(20902字)。目前最新的漢字字符集是2000年的GB18030，它是取代GBK1.0的正式國家標準。該標準收錄了27484個漢字，同時還收錄了藏文、蒙文、維吾爾文等主要的少數民族文字。目前簡體WINDOWS的缺省內碼還是GBK。
由於編碼方案太多且彼此之間不兼容，存在互相之間存在衝突的情況，即對於同一個編碼數值，在兩種不同的編碼方案中代表的是兩個不同的字符。這樣對於一些WEB應用來說，由於多種語言文字的同時使用及存儲，需要採用一種統一的字符集。爲此，國際標準化組織(ISO)制定了ISO 10646碼錶，而Unicode協會制定了Unicode規範，這兩個體系剛開始時是獨立建立的，在1991年，雙方都認識到世界不需要兩個不兼容的字符集。於是它們開始合併雙方的工作成果，併爲創立一個單一編碼表而協同工作。從Unicode2.0開始，Unicode項目採用了與ISO 10646-1相同的字庫和字碼。目前兩個項目仍都存在，並獨立地公佈各自的標準。Unicode協會現在的最新版本是2006年的Unicode 5.0。
2、ORACLE數據庫的字符集
ORACLE的字符集名字一般由以下部分組成：語言或區域、表示一個字符的比特位數、標準字符集名稱（可選項，S或C，表示服務器或客戶端）。ORACLE字符集UTF8與UTFE不符合此規定，其它基本都是這種格式。
set nls_lang=AMERICAN_AMERICA.UTF8
set nls_lang=SIMPLIFIED CHINESE_AMERICA.UTF8
對於US7ASCII，表示區域是US，用7個比特位表示一個字符，標準的字符集名稱爲ASCII。
對於中文字符集ZHS16GBK，表示簡體中文（ZHT爲繁體中文），一個字符需要16位比特，標準的字符集名稱爲GBK。而ZHS16CGB231280表示簡體中文，一個字符需要16位比特，標準的字符集名稱爲GB231280，屬於我們前面提過的1981年發佈的GB2312－80標準。雖然我們說，GBK編碼標準是GB2312編碼標準的擴展，但是數據庫字符集ZHS16GBK與ZHS16CGB231280之間卻不是嚴格的超集與子集的關係，主要是有些漢字的編碼在兩個字符集中的數值是不同的，因此它們進行字符集轉換時會出現問題。
在本文中，有時候使用的是標準字符集名稱，有時候又需要使用ORACLE字符集的名稱，因此希望大家明白兩者之間的對應關係。
ORACLE數據庫有國家字符集（national character set）與數據庫字符集(database character set)之分。兩者都是在創建數據庫時需要設置的。國家字符集主要是用於NCHAR、NVARCHAR、NCLOB類型的字段數據，而數據庫字符集使用很廣泛，它用於：CHAR、VARCHAR、CLOB、LONG類型的字段數據；表名、列名、PL/SQL中的變量名；輸入及保存在數據庫的SQL和PL/SQL的源碼。
ORACLE支持的Unicode字符集有以下幾種，下面的列表給出了字符集的名稱、對應的數據庫版本範圍、採用的Unicode的版本。
AL24UTFFSS：是ORACLE第一種支持Unicode的字符集，從7.2版本開始使用，但是它支持的Unicode版本爲1.1，因此從9i開始就不支持此字符集了。
UTF8:是ORACLE從ORACLE8開始使用的屬於UTF-8編碼的字符集，從ORACLE8.0到ORACLE8.16，Unicode版本爲2.1，而ORACLE817到10g，採用的Unicode標準爲3.0
UTFE：用於EBCDIC碼平臺上的數據庫Unicode字符集。因此它屬於專用系統使用的字符集，其它屬性與UTF8基本相同。
AL32UTF8：是從ORACLE9開始使用的屬於UTF-8編碼的字符集，與UTF8相比，它採用的Unicode版本更新，在10g版本中使用的是Unicode 4.01標準，而UTF8因爲兼容性的考慮，在10g版本中用的是Unicode 3.0標準。
AL16UTF16：是ORACLE第一種採用UTF-16編碼方式的字符集，從ORACLE9開始使用，是作爲缺省的國家字符集使用，它不能被用作數據庫的字符集。這是因爲數據庫的字符集決定了SQL與PL/SQL源碼的編碼方式，對於UTF－16這種使用固定的兩個字節來表示英文字母的編碼方案來說，確實不適於用作數據庫的字符集，ORACLE目前採用的數據庫字符集都是基於ASCII或EBCDID作爲子集的編碼方案。
3、如何選擇合適的數據庫字符集
3.1、數據庫需要存儲的數據類型是字符集選擇的首要考慮目標。
對於只存儲英文信息的數據庫等來說，一般採用US7ASCII或WE8ISO8859P1等單字節的字符集就比較合適，在性能和空間上也是最優，
同樣，存儲了中文信息的數據庫，如果採用單字節的字符集，也是不合適的。在這種情況下，數據庫的字符集雖然是US7ASCII或WE8ISO8859P1編碼，但裏面存儲的數據編碼實際上卻是另外的編碼格式，這種不一致的情況很容易引起問題，建議不要這樣使用。ORACLE提供了很多種類的字符集供客戶選擇，就是要滿足各種文字不同的編碼需要。
3.2、字符集的選擇需要優先考慮應用程序的需要。
目前出於國際化的需要，軟件需要可以對不同的語言文字進行處理，尤其一個系統中需要容納多種語言文字的時候，一般都會採用Unicode這樣的通用解決方案，即使會有一些空間和運行效率的損失也是值得的。此時數據庫字符集建議可以採用AL32UTF8或UTF8編碼，一種比較理想的模式就是由程序負責編碼格式的轉換，而數據庫只提供一個透明的數據存儲，
客戶在應用程序中輸入數據，此時數據的編碼格式是由客戶操作系統的區域及語言設置決定的，如在簡體中文XP的環境下，輸入的中文編碼屬於GBK編碼。在客戶輸入結束後，程序首先判斷客戶的本地環境，並把編碼轉換成UNICODE，並通過NET傳送到服務器端。由於客戶端與服務器數據庫的字符集均爲UTF8格式，ORACLE在傳送過程中不會進行字符轉換，直接把數據按UTF8格式存儲到數據庫中。查詢時是一個反向的過程，應用程序從數據庫中取出UTF8編碼的數據，再由應用程序根據客戶的本地環境，把UTF8編碼的數據轉換成客戶本地的編碼格式，最後把結果數據顯示給客戶。此方案的關鍵在於應用程序要能很好的支持UNICODE編碼，編碼的轉換由應用程序來負責，數據庫只是提供了一個數據存儲功能。
對於部分程序來說，由於對UNICODE支持不夠，沒有提供編碼的轉換功能，則可以使用ORACLE提供的字符集轉換功能來實現同樣的目的。客戶在應用程序中輸入數據，此時數據的編碼格式是由客戶操作系統的區域及語言設置決定的，如在簡體中文XP的環境下，輸入的中文編碼屬於GBK編碼。在客戶輸入結束後，程序直接把數據並通過NET傳送到服務器端。由於客戶端與服務器數據庫的字符集不一致，因此ORACLE會把客戶端的編碼轉換成UTF8格式，再把數據按UTF8格式存儲到數據庫中。這種方案的優點就是程序可以不用支持UNICODE，由ORACLE數據庫自動進行轉換。由於數據庫的字符集爲UTF8，是其它字符集的超集，因此在轉換過程中不會發生數據丟失的情況。對於英文的字符符號，在UTF8中使用單字節存儲，轉換的工作量很小，可以忽略，而對於一些亞洲字符集，在UTF8中一般需要兩到三個字節存儲，需要的數據庫空間增加，而且轉換的工作量也相對大一些，性能會有一些損失。
4、與字符集相關的問題分析
4.1、在UTF8環境下運行SQL語句報錯的問題：
SQL*PLUS工具不提供編碼自動轉換的功能，當數據庫字符集爲UTF8，客戶端的NLS_LANG如果也是UTF8，那麼在SQL*PLUS中運行SQL語句時，語句全是英文，不會出現問題，如果語句包含了中文或其它一些特殊字符，SQL語句運行時就會報錯。對於返回的含中文的結果，SQL*PLUS也會顯示亂碼。造成此錯誤的原因在於當SQL語句中包含漢字等一些特殊字符時，由於這些字符的編碼屬於GBK，ORACLE沒有進行字符轉換，而是直接把SQL語句送到服務器上進行解析。此時服務器的字符集是UTF8，因此它按UTF8編碼格式對SQL語句中GBK編碼的字符解析時就會產生錯誤。如果把客戶端的NLS_LANG設置爲本地環境的字符集，如ZHS16GBK，此時可以直接在SQL*PLUS中輸入包含中文的SQL語句，ORACLE在把SQL語句提交到服務器時會自動轉換成UTF8編碼格式，因此SQL語句可以正常運行。對於英文字母，由於它在UTF8中的編碼數值採用的還是ASCII的編碼數值，因此英文字母可以直接使用而不需要轉換，這就是如果SQL語句或輸出結果全是英文時不會出現錯誤的原因。正確的做法是先把需要運行的SQL做成腳本文件，用代碼轉換工具把它轉換成UTF8編碼格式的文件，（注意！XP中的記事本是提供了代碼轉換功能的，可以在保存文件或選擇文件另存爲的時候，彈出的對話框最後一項，編碼，選擇UTF8，再保存，即可把文件轉換成UTF8編碼格式）。完成後用IE打開這個腳本，選擇編碼－》UTF8，觀察此時SQL腳本是否含有亂碼或“？”符號。如果沒有，說明編碼格式已經是UTF8了，此時在SQL*PLUS中運行這個腳本就不會產生錯誤了。運行結束後，輸出的結果中如果包含中文，需要把結果SPOOL輸出到一個文件中，然後用代碼轉換工具把這個結果文件由UTF8轉換成本地編碼格式，再用寫字板打開，才能看到正常顯示的漢字。由於IE具有代碼轉換功能，因此也可以不用代碼轉換工具，直接在IE中打開輸出的結果文件，選擇UTF8編碼，也能正常顯示含中文的結果文件。
4.2、數據庫出現亂碼的問題：
數據庫出現亂碼的問題主要和客戶的本地化環境，客戶端NLS_LANG設置，服務器端的數據庫字符集設置這三者有關，如果它們的設置不一致或者某個設置錯誤，就會很容易出現亂碼，下面我們簡要介紹以下幾種情況：
4.2.1、數據庫字符集設置不當引起的亂碼：
例如：一個存儲簡體中文字符的數據庫，它的字符集選用了US7ASCII，當它的客戶端NLS_LANG也選用US7ASCII時，這個系統單獨使用是沒有問題的，因爲兩者設置一致，因此ORACLE不會進行字符集的轉換，客戶輸入的GBK碼被直接在數據庫中存儲起來，當查詢數據時，實際客戶端取出來的數據也是GBK的編碼，因此顯示也是正常的。但當其它的系統需要從這個數據庫取數據，或者它的數據要EXP出來，IMP到其它數據庫時，問題就會開始出現了。其它系統的字符集一般是ZHS16GBK，或者其它系統客戶端的NLS_LANG設置爲ZHS16GBK，此時必然會產生字符集的轉換。雖然數據庫字符集設置爲US7ASCII，但我們知道，實際存儲的數據編碼是ZHS16GBK的。可惜ORACLE不會知道，它會把存儲的ZHS16GBK編碼數據當作US7ASCII編碼的數據，按照US7ASCII轉換成ZHS16GBK的轉換算法進行轉換，可以想象，這種情況下，亂碼的產生是必然的。
4.2.2、數據庫字符集與客戶端NLS_LANG設置不同引起的亂碼：
例如：對於一個需要存儲簡體文信息的數據庫來說，它的字符集設置和客戶端NLS_LANG設置一般可以使用ZHS16GBK編碼。但是如果數據庫字符集選用了UTF8的話，也是可以的，因爲ZHS16GBK編碼屬於UTF8的子集。ORACLE在數據庫與客戶端進行數據交換時自動進行編碼的轉換，在數據庫中實際存儲的也是UTF8編碼的數據。此時其它數據庫和此數據庫也可以正常的進行數據交換，因爲ORACLE會自動進行數據的轉換。在實際使用中，遇到過繁體XP的字符集ZHT16MSWIN950轉換成AL32UTF8字符集時，一些特殊的字符和個別冷僻的漢字會變成亂碼。後來證實是XP需要安裝一個字庫補丁軟件，最後順利解決此問題。
4.2.3、客戶端NLS_LANG與本地化環境不同引起的亂碼：
一般情況下，客戶端NLS_LANG與本地化環境採用了不同的字符集會出現亂碼，除非本地化環境的字符集是客戶端NLS_LANG設置字符集的子集。如果把客戶端NLS_LANG設置爲UTF8就屬於這種情況，由於目前還沒有可以直接使用UNICODE字符集的操作系統，因此客戶本地化環境使用的字符集只能是某種語言支持的字符集，它屬於UTF8的子集。下面我們就着重討論這種情況。
雖然目前WINDOWS的內核是支持UNICODE的，但是WINDOWS並不支持直接顯示UNICODE編碼的字符,而且它並不知道目前的字符采用了何種字符集，所以默認情況下，它使用缺省的代碼頁來解釋字符。因此，對於其它類型的編碼，需要先進行轉換，變成系統目前的缺省代碼頁支持的字符集才能正常使用。
WINDOWS中的缺省代碼頁是由控制面板設置中的語言及區域的選擇所決定的，屬於客戶本地化的環境設置。簡體中文WINDOWS的字符編碼就是GBK，它的缺省代碼頁是936。對於其它非WINDOWS的操作系統，我們可以把它們目前缺省使用的字符集作爲用戶的本地化環境設置。另外，我們使用的大部分工具，如寫字板，SQL*PLUS等，它們沒有提供編碼轉換功能，因此在客戶端直接輸入或查詢數據往往都會遇到亂碼的問題，必須由應用程序或一些工具去做編碼的轉換，才能保證正常的使用。