DB2+AIX 字符集问题
工作需要，了解了一下字符集和字符编码的相关知识，记录备查，不断更新。。。
字符，字符集与字符编码：
起步知识是知道字符，字符集和字符编码的区别与联系。
字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。
字符集顾名思义就是字符的集合。另外，字符集常常和一种具体的语言文字对应起来，该文字中的所有字符或者大部分常用字符就构成了该文字的字符集，比如英文字符集。 一组有共同特征的字符也可以组成字符集，比如繁体汉字字符集、日文汉字字符集。 字符集的子集也是字符集。
字符编码(Encoding)是字符与二进制码的对应关系。计算机为处理字符需要把字符转换为二进制码，显示的时候再转为字符。制定编码首先要确定字符集，并将字符集内的字符排序，然后和二进制数字对应起来。根据字符集内字符的多少，会确定用几个字节来编码。 每种编码都限定了一个明确的字符集合，叫做被编码过的字符集(Coded Character Set)，这是字符集的另外一个含义。通常所说的字符集大多是这个含义。 因此有时候会混淆字符集和字符编码的概念。
常用的字符集和字符编码：
ASCII字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字符（英文大小写字符、阿拉伯数字和西文符号）。
ASCII字符编码：ASCII字符集有7bit，只能表示128个字符；为表示更过的欧洲常用字符，产生了ASCII扩展字符集（EASCII），包含8bit表示256个字符
ASCII的最大缺点是只能显示26个基本拉丁字母、阿拉伯数目字和英式标点符号，因此只能用于显示现代美国英语（而且在处理英语当中的外来词如naïve、café、élite等等时，所有重音符号都不得不去掉，即使这样做会违反拼写规则）。而EASCII虽然解决了部份西欧语言的显示问题，但对更多其他语言依然无能为力。
ISO 8859-1:
ISO 8859，全称ISO/IEC 8859，是国际标准化组织(ISO)及国际电工委员会(IEC)联合制定的一系列8位字符集的标准，现时定义了15个字符集。
ASCII收录了空格及94个“可印刷字符”，足以给英语使用。
但是，其他使用拉丁字母的语言(主要是欧洲国家的语言)，都有一定数量的变音字母，故可以使用ASCII及控制字符以外的区域来储存及表示。
除了使用拉丁字母的语言外，使用西里尔字母的东欧语言、希腊语、泰语、现代阿拉伯语、希伯来语等，都可以使用这个形式来储存及表示。
* ISO 8859-1 (Latin-1) - 西欧语言
* ISO 8859-2 (Latin-2) - 中欧语言
* ISO 8859-3 (Latin-3) - 南欧语言。世界语也可用此字符集显示。
* ISO 8859-4 (Latin-4) - 北欧语言
* ISO 8859-5 (Cyrillic) - 斯拉夫语言
* ISO 8859-6 (Arabic) - 阿拉伯语
* ISO 8859-7 (Greek) - 希腊语
* ISO 8859-8 (Hebrew) - 希伯来语(视觉顺序)
* ISO 8859-8-I - 希伯来语(逻辑顺序)
* ISO 8859-9 (Latin-5 或 Turkish) - 它把Latin-1的冰岛语字母换走，加入土耳其语字母。
* ISO 8859-10 (Latin-6 或 Nordic) - 北日耳曼语支，用来代替Latin-4。
* ISO 8859-11 (Thai) - 泰语，从泰国的 TIS620 标准字集演化而来。
* ISO 8859-13 (Latin-7 或 Baltic Rim) - 波罗的语族
* ISO 8859-14 (Latin-8 或 Celtic) - 凯尔特语族
* ISO 8859-15 (Latin-9) - 西欧语言，加入Latin-1欠缺的法语及芬兰语重音字母，以及欧元符号。
* ISO 8859-16 (Latin-10) - 东南欧语言。主要供罗马尼亚语使用，并加入欧元符号。
很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。
但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。
GB2312（GB2312-80又称GB0）字符集：
收录了6763个汉字。2字节编码，小于127的编码与ASCII相同，两个字节表示一个汉字。在这些编码里，还把数学符号、罗马希腊的 字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了（这就是全角与半角）。
GBK字符集（编码）：
微软利用GB 2312-80未使用的编码空间，收录GB 13000.1-93全部字符制定了GBK编码。GBK字集是简繁字集，包括了GB字集、BIG5字集和一些符号，共包括21003个字符。
GB 18030字符集（编码）：
是国家制定的一个强制性大字集标准，它的推出使汉字集有了一个“大一统”的标准。 共收录汉字70244个。与UTF-8相同，采用多字节编码，每个字可以由1个、2个或4个字节组成。
BIG5（又称为大五码或五大码）：
Big5码是一套双字节编码字符集。是台湾繁体字集，共包括国标繁体汉字13053个。
Unicode(统一码、万国码、单一码)：
它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
Unicode的编码系统比较特殊，分为编码方式和实现方式两个层次。
编码方式：
Unicode最多可以容纳1114112个字符，或者说有1114112个码位，码位就是可以分配给字符的数字。
实现方式：
UTF-8，UTF-16，UTF-32都是将数字转换到程序数据的编码方案。举个例子如下：
在Unicode中：汉字“字”对应的数字是23383。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：UTF-8、UTF-16、UTF-32。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。例如，“汉字”对应的数字是0x6c49和0x5b57，
而编码的程序数据是：
BYTE data_utf8[] = {0xE6, 0xB1, 0x89, 0xE5, 0xAD, 0x97}; // UTF-8编码
WORD data_utf16[] = {0x6c49, 0x5b57}; // UTF-16编码
DWORD data_utf32[] = {0x6c49, 0x5b57}; // UTF-32编码
这里用BYTE、WORD、DWORD分别表示无符号8位整数，无符号16位整数和无符号32 位整数。UTF-8、UTF-16、UTF-32分别以BYTE、WORD、DWORD作为编码单位。“汉字”的UTF-8编码需要6个字节。“汉字”的 UTF-16编码需要两个WORD，大小是4个字节。“汉字”的UTF-32编码需要两个DWORD，大小是8个字节。根据字节序的不同，UTF-16可 以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。下面介绍UTF-8、UTF-16、 UTF-32、字节序和BOM。
为什么乱码：
乱码是个老问题，从上面我们知道，字符在保存时的编码格式如果和要显示的编码格式不一样的话，就会出现乱码问题。
我们的Web系统，从底层数据库编码、Web应用程序编码到HTML页面编码，如果有一项不一致的话，就会出现乱码。
所以，解决乱码问题说难也难说简单也简单，关键是让交互系统之间编码一致。
使用Unicode编码的原因：
基本上，计算机只是处理数字。它们指定一个数字，来储存字母或其他字符。在创造Unicode之前，有数百种指定这些数字的编码系统。没有一个编码可以包 含足够的字符：例如，单单欧州共同体就需要好几种不同的编码来包括所有的语言。即使是单一种语言，例如英语，也没有哪一个编码可以适用于所有的字母，标点 符号，和常用的技术符号。这些编码系统也会互相冲突。也就是说，两种编码可能使用相同的数字代表两个不同的字符，或使用不同的数字代表相同的字符。任何一 台特定的计算机（特别是服务器）都需要支持许多不同的编码，但是，不论什么时候数据通过不同的编码或平台之间，那些数据总会有损坏的危险。
AIX locale命令相关：
查看已安装的语言包：#locale -a
查看当前的设置：#locale
修改设置：#export LC_ALL=ZH_CN.UTF-8
locale的书写格式：[语言[_地域][.字符集] [@修正值] 语言(Language), 地域 (Territory) 和字符集(Codeset)
下面举几个例子：
1、我说中文，身处中华人民共和国，使用国标2312字符集来表达字符。 zh_CN.GB2312＝中文_中华人民共和国＋国标2312字符集。
2、我说中文，身处中华人民共和国，使用国标18030字符集来表达字符。 zh_CN.GB18030＝中文_中华人民共和国＋国标18030字符集。
3、我说中文，身处中华人民共和国台湾省，使用国标Big5字符集来表达字符。 zh_TW.BIG5=中文_台湾.大五码字符集
4、我说英文，身处大不列颠，使用ISO-8859-1字符集来表达字符。 en_GB.ISO-8859-1=英文_大不列颠.ISO-8859-1字符集
5、我说德语，身处德国，使用UTF-8字符集，习惯了欧洲风格。 de_DE.UTF-8@euro＝德语_德国.UTF-8字符集@按照欧洲习惯加以修正
注意不是de_DE@euro.UTF-8
locale分类：
locale把按照所涉及到的文化传统的各个方面分成几类，包括：
LC_CTYPE-语言符号及其分类
LC_NUMERIC-数字
LC_COLLATE-比较和排序习惯
LC_TIME-时间显示格式
LC_MONETARY-货币单位
LC_MESSAGES-信息主要是提示信息,错误信息, 状态信息, 标题, 标签, 按钮和菜单等
其中，与中文输入关系最密切的就是 LC_CTYPE， LC_CTYPE 规定了系统内有效的字符以及这些字符的分类，诸如什么是大写字母，小写字母，大小写转换，标点符号、可打印字符和其他的字符属性等方面。
设定locale：
设定locale就是设定locale的分类属性，即 LC_*。除了这几个个变量可以设定以外，为了简便起见，还有两个变量：LC_ALL和LANG。它们之间有一个优先级的关系： LC_ALL>LC_*>LANG 可以这么说，LC_ALL是最上级设定或者强制设定，而LANG是默认设定值。 1、如果你设定了LC_ALL＝zh_CN.UTF-8，那么不管LC_*和LANG设定成什么值，它们都会被强制服从LC_ALL的设定，成为 zh_CN.UTF-8。 2、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF-8，并且没有设定LC_ALL的话，那么系统的locale 设定以LC_*=en_US.UTF-8。 3、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*，和LC_ALL均未设定的话，系统会将LC_*设定成默认值，也就是LANG的值 zh_CN.UTF-8 。 4、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_CTYPE=en_US.UTF-8，其他的LC_*均未设定的话， 那么系统的locale设定将是：LC_CTYPE=en_US.UTF-8，其余的 LC_COLLATE，LC_MESSAGES等等均会采用默认值，也就是LANG的值，也就是LC_COLLATE＝LC_MESSAGES＝…… ＝LANG＝zh_CN.UTF-8。
所以，locale是这样设定的： 1、如果你需要一个纯中文的系统的话，设定LC_ALL= zh_CN.XXXX，或者LANG= zh_CN.XXXX都可以，当然你可以两个都设定，但正如上面所讲，LC_ALL的值将覆盖所有其他的locale设定，不要作无用功。 2、如果你只想要一个可以输入中文的环境，而保持菜单、标题，系统信息等等为英文界面，那么只需要设定LC_CTYPE＝zh_CN.XXXX，LANG = en_US.XXXX就可以了。这样LC_CTYPE＝zh_CN.XXXX，而LC_COLLATE＝LC_MESSAGES＝……＝ LANG＝en_US.XXXX。 3、假如你高兴的话，可以把LC_*一一设定成你需要的值，打造一个古灵精怪的系统： LC_CTYPE＝zh_CN.GBK/GBK(使用中文编码内码GBK字符集)； LC_NUMERIC=en_GB.ISO-8859-1(使用大不列颠的数字系统) .估计没人这么干吧。 4、假如你什么也不做的话，也就是LC_ALL，LANG和LC_*均不指定特定值的话，系统将采用POSIX作为lcoale，也就是C locale。
AIX中文件编码的转换:
AIX下，进行编码转换，可以使用命令iconv实现,不过我还没找到在AIX查看文件编码的方法,继续学习... ...
好,基础差不多了,现在回到DB2中来说说字符问题:
CODEPAGE概念:
计算机处理文本时，把一门语言中每个字符都赋以特定的值，这种字符与数值的对照表就叫 codepage( 代码页 ) 。例如 ASCII 就是把英文字母表和一些控制字符映射到一些特定的数值上去。
DB2使用代码页(codepage)来指定字符集.换句话说,DB2中的代码页是从操作系统中的字符集映射而来的.比如代码页1208即UTF-8编码的Unicode字符集;819对应ISO8859-1;1200对应16 位 Unicode;1386对应GBK字符集.其他对应关系可以查询信息中心(http://publib.boulder.ibm.com/infocenter/db2luw/v9r7/index.jsp?topic=/com.ibm.db2.luw.admin.nls.doc/doc/r0004565.html)
代码页是字符"代码"和数据库中它的二进制编码(表示)间的映射.因此,代码页和所有的DB2字符数据类型(CHAR,VARCHAR,CLOB,DBCLOB)相关.
一个数据库只能是用单一代码页,在创建数据库时指定(CREATE DATABASE TESTDB1 USING CODESET UTF-8 TERRITORY CN)其中CODESET就指定了数据库的codepage.
注意:二进制数据,如FOR BIT DATA列和BLOB列和数据库代码页无关,不许要字符转换.
默认的情况下，数据库的排列顺序（collating sequence）根据CREATE DATABASE命令所使用的代码集定义。如果指定COLLATE USING SYSTEM选项，则数据值将按照为数据库指定的TERRITORY进行比较。如果使用COLLATE USING IDENTITY选项，则所有的值都以二进制的形式逐字节地进行比较。
在DB2数据库中，与字符集相关的问题主要有三个层次的字符集的设置,其中system级别(操作系统级别)和instance级别(注册表变量)的字符集可以根据需求进行修改, 而db级别的数据集则必须在建库时确定
数据导入,导出,装载操作相关的代码页:
http://publib.boulder.ibm.com/infocenter/db2luw/v9r7/index.jsp?topic=/com.ibm.db2.luw.admin.nls.doc/doc/r0004565.html包含了代码页和字符集的对应关系.
在表中，每个 codepage 都有相对应的组，地域代码，代码集等。如果两个 codepage 属于同一个组，则它们可以互相转换，否则不可以互相转换。值得注意的是单字节（S）组可以转换成中性（N）组，双字节（D）组也可以转换为中性（N）组。 但是 N 组不一定能转成 S 组，N 组也不一定成转成 D 组。
在使用export导出数据的时候,可以使用modified by的选项codepage指定导出文件的代码页,如:
$db2 "export to data819.del of del modified by codepage=819 select * from tab1"
在import和load数据时,也可以使用modified by的选项codepage通知DB2被导入文件的代码页,如:
$db2 load from data1208.del of del modified by codepage=1208 replace into t1
$db2 import from data1208.del of del modified by codepage=1208 replace into t1
注意:
1.LOAD与IMPORT代码页转换方式不同:
缺省情况下，LOAD 认为输入文件是用数据库代码页编码的，直接将文件转化为数据库 codepage 编码。如果输入文件不是以数据库 codepage 编码的，可以通过 codepage 修饰符来导入正确文件。而缺省情况下 DB2 IMPORT 实用程序认为输入文件中的数据是用当前系统的代码页(这里指的是实例级代码页,及db2set设置的db2codepage)编码的。当将数据文件导入到数据库时，DB2 会自动将数据文件从当前系统代码页转换成数据库代码页。如果输入文件不是当前系统的代码页编码的。也可以通过 codepage 修饰符来轻松导入正确文件。
2.ixf 格式在导出的文件里面已经包括了文件的codepage（IXF模式在导出的时候可以指定CODEPAGE），因此导入的时候db2会自己检测到相应的 codepage然后使用正确的方式导入，因此对于IXF格式，一般不会出现编码问，因为会发生自动编码转换。对于DEL格式，当在不同系统间 export/import/load数据时，由于数据的编码不同，可能会遇到汉字乱码问题
字符，字符集与字符编码：
起步知识是知道字符，字符集和字符编码的区别与联系。
字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。
字符集顾名思义就是字符的集合。另外，字符集常常和一种具体的语言文字对应起来，该文字中的所有字符或者大部分常用字符就构成了该文字的字符集，比如英文字符集。 一组有共同特征的字符也可以组成字符集，比如繁体汉字字符集、日文汉字字符集。 字符集的子集也是字符集。
字符编码(Encoding)是字符与二进制码的对应关系。计算机为处理字符需要把字符转换为二进制码，显示的时候再转为字符。制定编码首先要确定字符集，并将字符集内的字符排序，然后和二进制数字对应起来。根据字符集内字符的多少，会确定用几个字节来编码。 每种编码都限定了一个明确的字符集合，叫做被编码过的字符集(Coded Character Set)，这是字符集的另外一个含义。通常所说的字符集大多是这个含义。 因此有时候会混淆字符集和字符编码的概念。
常用的字符集和字符编码：
ASCII字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字符（英文大小写字符、阿拉伯数字和西文符号）。
ASCII字符编码：ASCII字符集有7bit，只能表示128个字符；为表示更过的欧洲常用字符，产生了ASCII扩展字符集（EASCII），包含8bit表示256个字符
ASCII的最大缺点是只能显示26个基本拉丁字母、阿拉伯数目字和英式标点符号，因此只能用于显示现代美国英语（而且在处理英语当中的外来词如naïve、café、élite等等时，所有重音符号都不得不去掉，即使这样做会违反拼写规则）。而EASCII虽然解决了部份西欧语言的显示问题，但对更多其他语言依然无能为力。
ISO 8859-1:
ISO 8859，全称ISO/IEC 8859，是国际标准化组织(ISO)及国际电工委员会(IEC)联合制定的一系列8位字符集的标准，现时定义了15个字符集。
ASCII收录了空格及94个“可印刷字符”，足以给英语使用。
但是，其他使用拉丁字母的语言(主要是欧洲国家的语言)，都有一定数量的变音字母，故可以使用ASCII及控制字符以外的区域来储存及表示。
除了使用拉丁字母的语言外，使用西里尔字母的东欧语言、希腊语、泰语、现代阿拉伯语、希伯来语等，都可以使用这个形式来储存及表示。
* ISO 8859-1 (Latin-1) - 西欧语言
* ISO 8859-2 (Latin-2) - 中欧语言
* ISO 8859-3 (Latin-3) - 南欧语言。世界语也可用此字符集显示。
* ISO 8859-4 (Latin-4) - 北欧语言
* ISO 8859-5 (Cyrillic) - 斯拉夫语言
* ISO 8859-6 (Arabic) - 阿拉伯语
* ISO 8859-7 (Greek) - 希腊语
* ISO 8859-8 (Hebrew) - 希伯来语(视觉顺序)
* ISO 8859-8-I - 希伯来语(逻辑顺序)
* ISO 8859-9 (Latin-5 或 Turkish) - 它把Latin-1的冰岛语字母换走，加入土耳其语字母。
* ISO 8859-10 (Latin-6 或 Nordic) - 北日耳曼语支，用来代替Latin-4。
* ISO 8859-11 (Thai) - 泰语，从泰国的 TIS620 标准字集演化而来。
* ISO 8859-13 (Latin-7 或 Baltic Rim) - 波罗的语族
* ISO 8859-14 (Latin-8 或 Celtic) - 凯尔特语族
* ISO 8859-15 (Latin-9) - 西欧语言，加入Latin-1欠缺的法语及芬兰语重音字母，以及欧元符号。
* ISO 8859-16 (Latin-10) - 东南欧语言。主要供罗马尼亚语使用，并加入欧元符号。
很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。
但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。
GB2312（GB2312-80又称GB0）字符集：
收录了6763个汉字。2字节编码，小于127的编码与ASCII相同，两个字节表示一个汉字。在这些编码里，还把数学符号、罗马希腊的 字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了（这就是全角与半角）。
GBK字符集（编码）：
微软利用GB 2312-80未使用的编码空间，收录GB 13000.1-93全部字符制定了GBK编码。GBK字集是简繁字集，包括了GB字集、BIG5字集和一些符号，共包括21003个字符。
GB 18030字符集（编码）：
是国家制定的一个强制性大字集标准，它的推出使汉字集有了一个“大一统”的标准。 共收录汉字70244个。与UTF-8相同，采用多字节编码，每个字可以由1个、2个或4个字节组成。
BIG5（又称为大五码或五大码）：
Big5码是一套双字节编码字符集。是台湾繁体字集，共包括国标繁体汉字13053个。
Unicode(统一码、万国码、单一码)：
它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
Unicode的编码系统比较特殊，分为编码方式和实现方式两个层次。
编码方式：
Unicode最多可以容纳1114112个字符，或者说有1114112个码位，码位就是可以分配给字符的数字。
实现方式：
UTF-8，UTF-16，UTF-32都是将数字转换到程序数据的编码方案。举个例子如下：
在Unicode中：汉字“字”对应的数字是23383。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：UTF-8、UTF-16、UTF-32。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。例如，“汉字”对应的数字是0x6c49和0x5b57，
而编码的程序数据是：
BYTE data_utf8[] = {0xE6, 0xB1, 0x89, 0xE5, 0xAD, 0x97}; // UTF-8编码
WORD data_utf16[] = {0x6c49, 0x5b57}; // UTF-16编码
DWORD data_utf32[] = {0x6c49, 0x5b57}; // UTF-32编码
这里用BYTE、WORD、DWORD分别表示无符号8位整数，无符号16位整数和无符号32 位整数。UTF-8、UTF-16、UTF-32分别以BYTE、WORD、DWORD作为编码单位。“汉字”的UTF-8编码需要6个字节。“汉字”的 UTF-16编码需要两个WORD，大小是4个字节。“汉字”的UTF-32编码需要两个DWORD，大小是8个字节。根据字节序的不同，UTF-16可 以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。下面介绍UTF-8、UTF-16、 UTF-32、字节序和BOM。
为什么乱码：
乱码是个老问题，从上面我们知道，字符在保存时的编码格式如果和要显示的编码格式不一样的话，就会出现乱码问题。
我们的Web系统，从底层数据库编码、Web应用程序编码到HTML页面编码，如果有一项不一致的话，就会出现乱码。
所以，解决乱码问题说难也难说简单也简单，关键是让交互系统之间编码一致。
使用Unicode编码的原因：
基本上，计算机只是处理数字。它们指定一个数字，来储存字母或其他字符。在创造Unicode之前，有数百种指定这些数字的编码系统。没有一个编码可以包 含足够的字符：例如，单单欧州共同体就需要好几种不同的编码来包括所有的语言。即使是单一种语言，例如英语，也没有哪一个编码可以适用于所有的字母，标点 符号，和常用的技术符号。这些编码系统也会互相冲突。也就是说，两种编码可能使用相同的数字代表两个不同的字符，或使用不同的数字代表相同的字符。任何一 台特定的计算机（特别是服务器）都需要支持许多不同的编码，但是，不论什么时候数据通过不同的编码或平台之间，那些数据总会有损坏的危险。
AIX locale命令相关：
查看已安装的语言包：#locale -a
查看当前的设置：#locale
修改设置：#export LC_ALL=ZH_CN.UTF-8
locale的书写格式：[语言[_地域][.字符集] [@修正值] 语言(Language), 地域 (Territory) 和字符集(Codeset)
下面举几个例子：
1、我说中文，身处中华人民共和国，使用国标2312字符集来表达字符。 zh_CN.GB2312＝中文_中华人民共和国＋国标2312字符集。
2、我说中文，身处中华人民共和国，使用国标18030字符集来表达字符。 zh_CN.GB18030＝中文_中华人民共和国＋国标18030字符集。
3、我说中文，身处中华人民共和国台湾省，使用国标Big5字符集来表达字符。 zh_TW.BIG5=中文_台湾.大五码字符集
4、我说英文，身处大不列颠，使用ISO-8859-1字符集来表达字符。 en_GB.ISO-8859-1=英文_大不列颠.ISO-8859-1字符集
5、我说德语，身处德国，使用UTF-8字符集，习惯了欧洲风格。 de_DE.UTF-8@euro＝德语_德国.UTF-8字符集@按照欧洲习惯加以修正
注意不是de_DE@euro.UTF-8
locale分类：
locale把按照所涉及到的文化传统的各个方面分成几类，包括：
LC_CTYPE-语言符号及其分类
LC_NUMERIC-数字
LC_COLLATE-比较和排序习惯
LC_TIME-时间显示格式
LC_MONETARY-货币单位
LC_MESSAGES-信息主要是提示信息,错误信息, 状态信息, 标题, 标签, 按钮和菜单等
其中，与中文输入关系最密切的就是 LC_CTYPE， LC_CTYPE 规定了系统内有效的字符以及这些字符的分类，诸如什么是大写字母，小写字母，大小写转换，标点符号、可打印字符和其他的字符属性等方面。
设定locale：
设定locale就是设定locale的分类属性，即 LC_*。除了这几个个变量可以设定以外，为了简便起见，还有两个变量：LC_ALL和LANG。它们之间有一个优先级的关系： LC_ALL>LC_*>LANG 可以这么说，LC_ALL是最上级设定或者强制设定，而LANG是默认设定值。 1、如果你设定了LC_ALL＝zh_CN.UTF-8，那么不管LC_*和LANG设定成什么值，它们都会被强制服从LC_ALL的设定，成为 zh_CN.UTF-8。 2、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF-8，并且没有设定LC_ALL的话，那么系统的locale 设定以LC_*=en_US.UTF-8。 3、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*，和LC_ALL均未设定的话，系统会将LC_*设定成默认值，也就是LANG的值 zh_CN.UTF-8 。 4、假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_CTYPE=en_US.UTF-8，其他的LC_*均未设定的话， 那么系统的locale设定将是：LC_CTYPE=en_US.UTF-8，其余的 LC_COLLATE，LC_MESSAGES等等均会采用默认值，也就是LANG的值，也就是LC_COLLATE＝LC_MESSAGES＝…… ＝LANG＝zh_CN.UTF-8。
所以，locale是这样设定的： 1、如果你需要一个纯中文的系统的话，设定LC_ALL= zh_CN.XXXX，或者LANG= zh_CN.XXXX都可以，当然你可以两个都设定，但正如上面所讲，LC_ALL的值将覆盖所有其他的locale设定，不要作无用功。 2、如果你只想要一个可以输入中文的环境，而保持菜单、标题，系统信息等等为英文界面，那么只需要设定LC_CTYPE＝zh_CN.XXXX，LANG = en_US.XXXX就可以了。这样LC_CTYPE＝zh_CN.XXXX，而LC_COLLATE＝LC_MESSAGES＝……＝ LANG＝en_US.XXXX。 3、假如你高兴的话，可以把LC_*一一设定成你需要的值，打造一个古灵精怪的系统： LC_CTYPE＝zh_CN.GBK/GBK(使用中文编码内码GBK字符集)； LC_NUMERIC=en_GB.ISO-8859-1(使用大不列颠的数字系统) .估计没人这么干吧。 4、假如你什么也不做的话，也就是LC_ALL，LANG和LC_*均不指定特定值的话，系统将采用POSIX作为lcoale，也就是C locale。
AIX中文件编码的转换:
AIX下，进行编码转换，可以使用命令iconv实现,不过我还没找到在AIX查看文件编码的方法,继续学习... ...
好,基础差不多了,现在回到DB2中来说说字符问题:
CODEPAGE概念:
计算机处理文本时，把一门语言中每个字符都赋以特定的值，这种字符与数值的对照表就叫 codepage( 代码页 ) 。例如 ASCII 就是把英文字母表和一些控制字符映射到一些特定的数值上去。
DB2使用代码页(codepage)来指定字符集.换句话说,DB2中的代码页是从操作系统中的字符集映射而来的.比如代码页1208即UTF-8编码的Unicode字符集;819对应ISO8859-1;1200对应16 位 Unicode;1386对应GBK字符集.其他对应关系可以查询信息中心(http://publib.boulder.ibm.com/infocenter/db2luw/v9r7/index.jsp?topic=/com.ibm.db2.luw.admin.nls.doc/doc/r0004565.html)
代码页是字符"代码"和数据库中它的二进制编码(表示)间的映射.因此,代码页和所有的DB2字符数据类型(CHAR,VARCHAR,CLOB,DBCLOB)相关.
一个数据库只能是用单一代码页,在创建数据库时指定(CREATE DATABASE TESTDB1 USING CODESET UTF-8 TERRITORY CN)其中CODESET就指定了数据库的codepage.
注意:二进制数据,如FOR BIT DATA列和BLOB列和数据库代码页无关,不许要字符转换.
默认的情况下，数据库的排列顺序（collating sequence）根据CREATE DATABASE命令所使用的代码集定义。如果指定COLLATE USING SYSTEM选项，则数据值将按照为数据库指定的TERRITORY进行比较。如果使用COLLATE USING IDENTITY选项，则所有的值都以二进制的形式逐字节地进行比较。
在DB2数据库中，与字符集相关的问题主要有三个层次的字符集的设置,其中system级别(操作系统级别)和instance级别(注册表变量)的字符集可以根据需求进行修改, 而db级别的数据集则必须在建库时确定
数据导入,导出,装载操作相关的代码页:
http://publib.boulder.ibm.com/infocenter/db2luw/v9r7/index.jsp?topic=/com.ibm.db2.luw.admin.nls.doc/doc/r0004565.html包含了代码页和字符集的对应关系.
在表中，每个 codepage 都有相对应的组，地域代码，代码集等。如果两个 codepage 属于同一个组，则它们可以互相转换，否则不可以互相转换。值得注意的是单字节（S）组可以转换成中性（N）组，双字节（D）组也可以转换为中性（N）组。 但是 N 组不一定能转成 S 组，N 组也不一定成转成 D 组。
在使用export导出数据的时候,可以使用modified by的选项codepage指定导出文件的代码页,如:
$db2 "export to data819.del of del modified by codepage=819 select * from tab1"
在import和load数据时,也可以使用modified by的选项codepage通知DB2被导入文件的代码页,如:
$db2 load from data1208.del of del modified by codepage=1208 replace into t1
$db2 import from data1208.del of del modified by codepage=1208 replace into t1
注意:
1.LOAD与IMPORT代码页转换方式不同:
缺省情况下，LOAD 认为输入文件是用数据库代码页编码的，直接将文件转化为数据库 codepage 编码。如果输入文件不是以数据库 codepage 编码的，可以通过 codepage 修饰符来导入正确文件。而缺省情况下 DB2 IMPORT 实用程序认为输入文件中的数据是用当前系统的代码页(这里指的是实例级代码页,及db2set设置的db2codepage)编码的。当将数据文件导入到数据库时，DB2 会自动将数据文件从当前系统代码页转换成数据库代码页。如果输入文件不是当前系统的代码页编码的。也可以通过 codepage 修饰符来轻松导入正确文件。
2.ixf 格式在导出的文件里面已经包括了文件的codepage（IXF模式在导出的时候可以指定CODEPAGE），因此导入的时候db2会自己检测到相应的 codepage然后使用正确的方式导入，因此对于IXF格式，一般不会出现编码问，因为会发生自动编码转换。对于DEL格式，当在不同系统间 export/import/load数据时，由于数据的编码不同，可能会遇到汉字乱码问题
如果觉得我的文章对您有用，请点赞。您的支持将鼓励我继续创作！
赞1Ctrl+Enter 发表
作者其他文章
评论 1 · 赞 0
评论 0 · 赞 2
评论 0 · 赞 0
评论 6 · 赞 0
评论 0 · 赞 1
添加新评论1 条评论
2013-12-11 08:38