SQL SERVER字符集的研究

leibniz_zsu

作者: kitesky(http://kitesky.itpub.net)
发表于:2005.01.27 18:26
分类: SQL Server
出处：http://kitesky.itpub.net/post/909/16260
---------------------------------------------------------------

一、 试验归类
测试SQL:
------------------------------------------------------------
drop table a
create table a(a varchar(2))

insert into a values('a')
insert into a values(N'a')
insert into a values('深圳')
insert into a values(N'深圳')
select a, len(a), datalength(a) from a

drop table #a
create table a(a varchar(2))

insert into #a values('a')
insert into #a values(N'a')
insert into #a values('深圳')
insert into #a values(N'深圳')
select a, len(a), datalength(a) from #a

------------------------------------------------------------
drop table a
create table a(a varchar(8000))

insert into a select REPLICATE('a', 8000)
insert into a select REPLICATE('深', 8000)
insert into a select REPLICATE(N'a', 8000)
insert into a select REPLICATE(N'深', 8000)
select a, len(a), datalength(a) from a

1. 字符集是支持双字节的字符集如中文字符集（Collation name为Chinese_PRC_CI_AS）
 
 <1>. 定义varchar(2)
 
  (1) 正式表
   总结：在中文字符集下，定义varchar(x),
    不论使用不使用N''，英文字符都占1个字节,即可以存x个英文字符;
      不论使用不使用N''，中文字符都占2个字节,即可以存(x / 2)个中文，select结果为汉字本身，不是乱码；
      
  (2) 临时表
   总结：在中文字符集下，定义varchar(x), 
    和正式表表现一样；
  
 <2>. 定义nvarchar(2)
 
  (1) 正式表
   总结：在中文字符集下，定义nvarchar(x),
    不论使用不使用N''，英文字符都占2个字节,即可以存x个英文字符;
      不论使用不使用N''，中文字符都占2个字节,即可以存x个中文，select结果为汉字本身，不是乱码；
      
  (2) 临时表
   总结：在中文字符集下，定义nvarchar(x), 
    和正式表表现一样；
    
 <3>. 类型为varchar时，长度 x 和 datalength()对应，都指字节大小；
    英文len() = datalength();
    中文len() = datalength() / 2;
    
    类型为nvarchar时，长度 x 和 len()对应，都指字符长度； 
   
2. 字符集是支持单字节的字符集如拉丁字符集（Collation name为Latin1_General_CI_AS）
  
 <1>. 定义varchar(2)
 
  (1) 正式表
   总结：在英文字符集下，定义varchar(x),
    不论使用不使用N''，英文字符都占1个字节,即可以存x个英文字符;
      不论使用不使用N''，中文字符都占1个字节,即可以存x个中文，但只保存前半截中文编码，所以select结果为乱码；
      （特殊：如果使用N''，此时插入的字符数最大为4000）
      英文和中文 len() = datalength()；
      
  (2) 临时表
   总结：在英文字符集下，定义varchar(x),
    不论使用不使用N''，英文字符都占1个字节,即可以存x个英文字符;
    不使用N''时，中文占1个字节，可以存x个汉字，但都只存入汉字前半截字符编码，显示为乱码；
    使用N''时，中文占2个字节，只可以存 x/2 个汉字，没有乱码，取出仍为汉字,说明在英文字符集下通过使用N''是可以保存汉字的；
    
    除用N''保存的中文外，其余英文和中文 len() = datalength()；
    用N''保存的中文字符len() = datalength() / 2；
    
 <2>. 定义nvarchar(2)
 
  (1) 正式表
   总结：在英文字符集下，定义nvarchar(x),
    不论使用不使用N''，英文字符都占2个字节,即可以存x个英文字符;（注意每个字符比varchar用的空间大）
      不论使用不使用N''，中文字符都占2个字节,即可以存x个中文字符，
      但不使用N''只保存前半截中文编码，所以select结果为乱码；
      使用N''则保存和取出都为汉字本身；
      
  (2) 临时表
   总结：在英文字符集下，定义nvarchar(x), 
    和正式表表现相同；
    
 <3>. 类型为varchar时，长度 x 和 datalength()对应，都指字节大小；
    （临时表中N''中文字符长度比较特殊；）
    类型为nvarchar时，长度 x 和 len()对应，都指字符长度； 
 
二、 使用归类
 抛开不常用的临时表不谈，只看正式表，再加上varchar和nvarchar类型的最大长度，得到以下经验：
 <1> 最大长度问题
  1. 在中文字符集下使用varchar，最大长度可定义8000,这个8000是指字节数（datalength()），即最大可以保存8000个英文字符，4000个中文字符；
   特殊：若存入字符N'a'，则最大能保存4000个字符，但其所占空间为4000字节；
  2. 在中文字符集下使用nvarchar，最大长度可定义4000,这个4000是指字符个数（len()），即最大可以保存4000个英文字符，4000个中文字符；
 
  3. 在英文字符集下使用varchar，最大长度可定义8000,这个8000是指字节数（datalength()），由于中文英文都保存为1字节，故最大可以保存8000个英文、中文字符；
  4. 在英文字符集下使用nvarchar，最大长度可定义4000,这个4000是指字符个数（len()），即最大可以保存4000个英文字符，4000个中文字符；
 <2> 文字显示问题
  1. N''要和数据类型nvarchar, nchar一起使用，如果对varchar, char字段类型强制使用N''，则会产生一些特殊现象，甚至无法控制； 
  2. 在英文字符集下，想要保存特殊符号字符、中文等双字节字符，在定义表结构时要使用nvarchar或者nchar，在保存时要用N''；
  3. 在中文字符集下，数据库系统缺省已经可以保存特殊符号字符、中文等双字节字符。即使用不使用N''，都按双字节处理。但为了统一期间建议：
   在定义表结构时如果使用nvarchar或者nchar，在保存时要用N''，
   在定义表结构时如果使用varchar和char，此时不要使用N''操作；
  4. SUBSTRING ( expression , start , length )
   length：是一个整数，指定子串的长度（要返回的字符数或字节数）。
   中文字符集中按字符数取；
   英文字符集中，char, varchar按字节数取，nchar, nvarchar按字符数取；

 
三、 其他参考
 使用 Unicode 数据
  unicode代码页、排序规则、SQL Server 排序规则基础知识、Windows 排序规则排序样式、选择 SQL 排序规则
 DBCS 字符