PostgreSQL编码格式：客户端服务器、客户端、服务器端相关影响

关于字符编码这块，官网链接：

https://www.postgresql.org/docs/current/charset.html

刚刚写了几百字的东西因为断网，导致全没有了，重头再写，我就只想记录东西我自己看了：

1）客户端编码格式默认是从客户端的服务器编码获取，也就是LANG环境变量。

2）客户端编码和服务器编码如果一致，则插入的数据之间不经过转码，存入服务器。

3）客户端编码和服务器编码如果不一致，则插入的数据会传输到服务器端，并进行自动转码，存入数据库服务器。

4）如果服务器端传过来的数据，本地编码对应的字符集不支持中文，那么也就不能显示，即使编码转换是正确的。

越写越迷糊：

还是从客户端服务器编码，客户端编码，服务器编码来理一理：

客户端服务器编码：

[postgres@localhost ~]$ echo $LANG
en_US.UTF-8

客户端编码：

UTF8

服务器编码：

UTF8

当客户端的输入汉字时，是从客户端服务器编码集中获取的编码值，发现是UTF8，这时，客户端也是UTF8。服务器收到数据后，发现客户端和服务器编码一致都是UTF8，因此不做转换直接存储。查询也没有问题。

当客户端编码改为GBK时，客户端服务器编码还是UTF8。在输入汉字时，其实是UTF8的，而服务器收到数据时，发现客户端编码是GBK，就将UTF8的数据从GBK转为UTF8进行存储。可能会出错，就报错，如：

ERROR: character with byte sequence 0xad 0xe5 in encoding "GBK" has no equivalent in encoding "UTF8"

而有时候不出错，因为将实际上为UTF8的编码字符串转为了GBK的存储成功了，查询时，再将错误的UTF8编码转为了GBK（实际是原始的UTF8编码），显示时客户端服务器编码为UTF8，因此也能正常显示。

如果将客户端服务器、客户端都设为为GBK，服务器为UTF8。此时应该没有问题，因为在输入中文时，就是GBK编码，而客户端也是GBK，服务器就会将GBK编码转为UTF8，不会有错，存为UTF8字符串。查询时再做转换，在其他环境中查询也转为对应的编码显示。

因此，客户端服务器编码和客户端编码一定要统一，否则会出现输入的是客户端服务器编码，存储时却根据客户端编码往UTF8进行转换，导致出现错误或者乱码。

那么就有如下这种情况：

当我一开始使用UTF8插入数据，服务器端也是UTF8，查询显示都OK；然后修改客户端编码为GBK，插入数据，此时服务器自动会将GBK转换为UTF8，当在客户端查询时，再将UTF8转为GBK。

如果说都是从服务端的UTF8转为GBK，怎么会出现第一条是乱码，怎么解决？

不管怎么样，服务器都存放的是UTF8编码格式的数据，那么应该不存在乱码的问题啊？服务端统一将UTF8转为GBK，不能说第一条原本是UTF8没有发生转换过，因此往GBk转就失败。第二条也是从UTF8转为GBK的呢···，

除非！服务器端向客户端传输数据时根本没有转换：

当客户端和服务器端都为UTF8时，数据传输到服务器，直接存入为UTF8。

客户端变为GBK时，存入服务器也是GBK。

这样查询时，在GBK情况下，第一条返回为UTF8编码，根据GBK显示就是乱码。第二条本身就是GBK，因此不是乱码？

那么做一个实验：

开启两个客户端，一个是UTF8，一个是GBK，在两边各插入一条数据，看看两边的查询是否能正常显示。若能正常显示，说明在服务器端都转为了UTF8，如果两边各有一条显示为乱码，说明服务器端没转编码为UTF8.

psql中为UTF8，插入到UTF8的数据库中成功，改变为GBK后，插入失败：

postgres=# show client_encoding;
 client_encoding
-----------------
 UTF8
(1 row)

postgres=# show server_encoding;
 server_encoding
-----------------
 UTF8
(1 row)

postgres=# create table test(id int, info varchar(32), crt_time timestamp);
CREATE TABLE
postgres=# insert into test values(1, '中国-UTF8', now());
INSERT 0 1
postgres=# set client_encoding=GBK;
SET
postgres=# insert into test values(1, '中国-GBK', now());
ERROR:  character with byte sequence 0xad 0xe5 in encoding "GBK" has no equivalent in encoding "UTF8"

　　

psql为GBK时，插入失败：

[postgres@localhost ~]$ psql
psql (11.4)
Type "help" for help.

postgres=# \encoding
UTF8
postgres=# show server_encoding;
 server_encoding
-----------------
 UTF8
(1 row)

postgres=# show client_encoding;
 client_encoding
-----------------
 UTF8
(1 row)

postgres=# set client_encoding = GBK;
SET
postgres=# show client_encoding;
 client_encoding
-----------------
 GBK
(1 row)

postgres=# insert into test values(1, '中国-GBK', now());
ERROR:  character with byte sequence 0xad 0xe5 in encoding "GBK" has no equivalent in encoding "UTF8"
postgres=#

　　

下面是参考的资料：

PostgreSQL数据库支持多种字符集，在配置字符集时要分清楚服务器与客户端的字符集，字符集不一致尽管有时能够发生转换，但带来的问题也很头疼。语言环境的配置也很重要。

服务器字符集<来自文档>：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

Name    Description    Language    Server?    Bytes/Char    Aliases BIG5    Big Five    Traditional Chinese    No    1-2    WIN950, Windows950 EUC_CN    Extended UNIX Code-CN    Simplified Chinese    Yes    1-3      EUC_JP    Extended UNIX Code-JP    Japanese    Yes    1-3      EUC_JIS_2004    Extended UNIX Code-JP, JIS X 0213    Japanese    Yes    1-3      EUC_KR    Extended UNIX Code-KR    Korean    Yes    1-3      EUC_TW    Extended UNIX Code-TW    Traditional Chinese, Taiwanese    Yes    1-3      GB18030    National Standard    Chinese    No    1-2      GBK    Extended National Standard    Simplified Chinese    No    1-2    WIN936, Windows936 ISO_8859_5    ISO 8859-5, ECMA 113    Latin/Cyrillic    Yes    1      ISO_8859_6    ISO 8859-6, ECMA 114    Latin/Arabic    Yes    1      ISO_8859_7    ISO 8859-7, ECMA 118    Latin/Greek    Yes    1      ISO_8859_8    ISO 8859-8, ECMA 121    Latin/Hebrew    Yes    1      JOHAB    JOHAB    Korean (Hangul)    No    1-3      KOI8    KOI8-R(U)    Cyrillic    Yes    1    KOI8R LATIN1    ISO 8859-1, ECMA 94    Western European    Yes    1    ISO88591 LATIN2    ISO 8859-2, ECMA 94    Central European    Yes    1    ISO88592 LATIN3    ISO 8859-3, ECMA 94    South European    Yes    1    ISO88593 LATIN4    ISO 8859-4, ECMA 94    North European    Yes    1    ISO88594 LATIN5    ISO 8859-9, ECMA 128    Turkish    Yes    1    ISO88599 LATIN6    ISO 8859-10, ECMA 144    Nordic    Yes    1    ISO885910 LATIN7    ISO 8859-13    Baltic    Yes    1    ISO885913 LATIN8    ISO 8859-14    Celtic    Yes    1    ISO885914 LATIN9    ISO 8859-15    LATIN1 with Euro and accents    Yes    1    ISO885915 LATIN10    ISO 8859-16, ASRO SR 14111    Romanian    Yes    1    ISO885916 MULE_INTERNAL    Mule internal code    Multilingual Emacs    Yes    1-4      SJIS    Shift JIS    Japanese    No    1-2    Mskanji, ShiftJIS, WIN932, Windows932 SHIFT_JIS_2004    Shift JIS, JIS X 0213    Japanese    No    1-2      SQL_ASCII    unspecified (see text)    any    Yes    1      UHC    Unified Hangul Code    Korean    No    1-2    WIN949, Windows949 UTF8    Unicode, 8-bit    all    Yes    1-4    Unicode WIN866    Windows CP866    Cyrillic    Yes    1    ALT WIN874    Windows CP874    Thai    Yes    1      WIN1250    Windows CP1250    Central European    Yes    1      WIN1251    Windows CP1251    Cyrillic    Yes    1    WIN WIN1252    Windows CP1252    Western European    Yes    1      WIN1253    Windows CP1253    Greek    Yes    1      WIN1254    Windows CP1254    Turkish    Yes    1      WIN1255    Windows CP1255    Hebrew    Yes    1      WIN1256    Windows CP1256    Arabic    Yes    1      WIN1257    Windows CP1257    Baltic    Yes    1      WIN1258    Windows CP1258    Vietnamese    Yes    1    ABC, TCVN, TCVN5712, VSCII

常用的简体中文字符集是UTF8和EUC_CN两种。

可自动转换字符集<来自文档>:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Server Character Set    Available Client Character Sets BIG5    not supported as a server encoding EUC_CN    EUC_CN, MULE_INTERNAL, UTF8 EUC_JP    EUC_JP, MULE_INTERNAL, SJIS, UTF8 EUC_KR    EUC_KR, MULE_INTERNAL, UTF8 EUC_TW    EUC_TW, BIG5, MULE_INTERNAL, UTF8 GB18030    not supported as a server encoding GBK    not supported as a server encoding ISO_8859_5    ISO_8859_5, KOI8, MULE_INTERNAL, UTF8, WIN866, WIN1251 ISO_8859_6    ISO_8859_6, UTF8 ISO_8859_7    ISO_8859_7, UTF8 ISO_8859_8    ISO_8859_8, UTF8 JOHAB    JOHAB, UTF8 KOI8    KOI8, ISO_8859_5, MULE_INTERNAL, UTF8, WIN866, WIN1251 LATIN1    LATIN1, MULE_INTERNAL, UTF8 LATIN2    LATIN2, MULE_INTERNAL, UTF8, WIN1250 LATIN3    LATIN3, MULE_INTERNAL, UTF8 LATIN4    LATIN4, MULE_INTERNAL, UTF8 LATIN5    LATIN5, UTF8 LATIN6    LATIN6, UTF8 LATIN7    LATIN7, UTF8 LATIN8    LATIN8, UTF8 LATIN9    LATIN9, UTF8 LATIN10    LATIN10, UTF8 MULE_INTERNAL    MULE_INTERNAL, BIG5, EUC_CN, EUC_JP, EUC_KR, EUC_TW, ISO_8859_5, KOI8, LATIN1 to LATIN4, SJIS, WIN866, WIN1250, WIN1251 SJIS    not supported as a server encoding SQL_ASCII    any (no conversion will be performed) UHC    not supported as a server encoding UTF8    all supported encodings WIN866    WIN866, ISO_8859_5, KOI8, MULE_INTERNAL, UTF8, WIN1251 WIN874    WIN874, UTF8 WIN1250    WIN1250, LATIN2, MULE_INTERNAL, UTF8 WIN1251    WIN1251, ISO_8859_5, KOI8, MULE_INTERNAL, UTF8, WIN866 WIN1252    WIN1252, UTF8 WIN1253    WIN1253, UTF8 WIN1254    WIN1254, UTF8 WIN1255    WIN1255, UTF8 WIN1256    WIN1256, UTF8 WIN1257    WIN1257, UTF8 WIN1258    WIN1258, UTF8

以下针对客户端与服务器字符集配置问题作几个小测试。

测试一：服务器、客户端、语言环境一致的情况

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

[postgre@iss3984 ~]$ echo $LANG en_US.UTF-8 [postgre@iss3984 ~]$ psql daduxiong Welcome to psql 8.3.11 (server 8.3.10), the PostgreSQL interactive terminal.    Type:  \copyright for distribution terms        \h for help with SQL commands        \? for help with psql commands        \g or terminate with semicolon to execute query        \q to quit    daduxiong=# \l        List of databases    Name    |  Owner  | Encoding -----------+---------+----------  daduxiong | postgre | UTF8  postgres  | postgre | UTF8  template0 | postgre | UTF8  template1 | postgre | UTF8 (4 rows)    daduxiong=# show client_encoding;  client_encoding -----------------  UTF8 (1 row)    daduxiong=# insert into t1 values (1,'中国'); INSERT 0 1 daduxiong=# select * from t1;  id |          name          ----+------------------------  | 中国                  (1 row)

服务器与客户端字符集相同，在数据录入时不发生字符集转换；因语言环境也相同所以展现不会出现乱码。

测试二：客户端与服务器、语言环境不一致的情况

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

daduxiong=# \encoding GBK daduxiong=# show client_encoding;  client_encoding -----------------  GBK (1 row)    daduxiong=# insert into t1 values (2,'日本'); INSERT 0 1 daduxiong=# select * from t1;  id |          name           ----+-------------------------  | ?й?                   | 日本                 (2 rows)

客户端与服务器的字符集不一致，在数据录入时将发生字符集转换；当前展现的第二条记录非乱码形式是因为客户端字符集为GBK，在UTF8下同样出现乱码，在使用时需要语言环境进行配置。

测试三：服务器与客户端、语言环境不一致的情况

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

daduxiong=# \q [postgre@iss3984 ~]$ LANG=GBK export LANG [postgre@iss3984 ~]$ echo $LANG GBK [postgre@iss3984 ~]$ psql daduxiong Welcome to psql 8.3.11 (server 8.3.10), the PostgreSQL interactive terminal.    Type:  \copyright for distribution terms        \h for help with SQL commands        \? for help with psql commands        \g or terminate with semicolon to execute query        \q to quit    daduxiong=# show client_encoding;  client_encoding -----------------  UTF8 (1 row)    daduxiong=# \encoding GBK daduxiong=# select * from t1;  id |          name           ----+-------------------------  | ?й?                   | 日本                 (2 rows)    daduxiong=# insert into t1 values (3,'美国'); INSERT 0 1 daduxiong=# select * from t1;  id |          name           ----+-------------------------  | ?й?                   | 日本                  | 美国                 (3 rows) daduxiong=# \q

客户端、语言环境均配置为GBK字符集，在当前环境下展现的为非乱码形式，数据录入时将发生字符集转换。

测试四：服务器与客户端、语言环境恢复一致的情况

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

[postgre@iss3984 ~]$ LANG=en_US.UTF8 export LANG [postgre@iss3984 ~]$ psql daduxiong Welcome to psql 8.3.11 (server 8.3.10), the PostgreSQL interactive terminal.    Type:  \copyright for distribution terms        \h for help with SQL commands        \? for help with psql commands        \g or terminate with semicolon to execute query        \q to quit    daduxiong=# show client_encoding;  client_encoding -----------------  UTF8 (1 row)    daduxiong=# select * from t1;  id |          name           ----+-------------------------  | 中国                   | 鏃ユ湰                  | 缇庡浗                 (3 rows)    daduxiong=#

通过恢复原始的字符集状态,所有环境均为UTF8字符集，此时发现经过字符集转换后的内容为乱码

 

 

 

PG支持客户端和服务器端编码方式设置，如果两端编码一样，则在存取时不进行任何转换；如果不一样则自动进行转换。但其支持的有些编码只能用在服务端，不能用在客户端。

详细可参考其官方文档http://www.postgresql.org/docs/9.2/interactive/multibyte.html。支持简体中文有四种编码：EUC_CN（Extended UNIX Code-CN）、GB18030、GBK和UTF-8。但GB18030和GBK只能作为客户端编码，不能设置为服务端编码；由于Windows上又不支持EUC_CN编码，所以在Windows上服务端编码只能设为UTF-8。

下面通过两个简单的示例，来说明其编码转换过程。

数据：表test，字段name，类型text

示例一 客户端编码和服务端编码之间的转换（使用psgl）

1、服务端编码为UTF-8，客户端工具psql默认为GBK

2、在此环境下插入“汉字”，一切正常。此时传到客户的“汉字”为GBK编码，自动转为UTF-8编码存到服务端；而查询时，又自动将服务端的UTF-8编码转为GBK来显示，所以没有出现乱码。

3、将客户端编码设置为UTF-8，则刚才插入的“汉字”不能正常显示。因为此时客户端和服务端的编码一样，在取数据时不进行任何转换，直接将存在服务端的UTF8编码的字节传到客户端，之后psgl直接显示，所以就乱码了。

4、在此环境下插入“汉字”，则添加不成功，因为“汉字”直接以GBK的形式传到服务端，（标注：HM，因为语言环境还是GBK，因此输入的汉字编码还是GBK的编码，而传给服务器后，服务器看客户端为UTF8，就不做转换进行插入）UTF8编码不认识，所以就报错。（现在客户端编码为UTF8，所以提示的中文信息也乱码了）。

总结：

1、在此示例中，应用程序psgl，对所输入和获取的字符没做任何处理，直接显示，其使用了pg客户端一样的编码方式（GBK）。

2、在使用时尽量保证客户端编码和操作系统环境一致，不然显示和添加就会出现乱码情况。

示例二 应用程序、客户端和服务端编码转换（pgAdmin3可视化界面）

pgAdmin3内部使用UTF8编码，是我根据下面的现象猜测的，没看源代码。

1、通过pgAdmin3查看在服务器以UTF8编码存储的“汉字”

Ø  在查询窗口中执行show client_encoding;可见pgAdmin3的默认客户端编码为UNICODE（在pg中为UTF8的别名）。查询select * from test，能正常显示“汉字”。

Ø  重设客户端编码set client_encoding to 'GBK';后再查询，却无法显示“汉字”。

在客户端编码为GBK的psgl中能正常显示的“汉字“到客户端编码为GBK的pgAdmin3中却无法显示。这是由于pgAdmin3与psgl内部使用了不同的编码方式所造成的：

应用程序psgl使用与pg客户端一样的编码方式，对从操作系统所得到的字符直接传给pg客户端，对从pg客户端所得到的字符直接传给操作系统显示。

应用程序pgAdmin3内部可能统一使用的是UTF8编码，对从操作系统所得到的字符（ANSI本地编码）要先转成UTF8编码后再传给pg客户端；对从pg客户端所得到的字符要先转成ANSI本地编码后再传给操作系统显示。

对于pgAdmin3 client_encoding = 'GBK' 时，“汉字“转换流程： UTF8 àGBKàGBK;

pgAdmin3把本来是转后GBK编码的字符又当成UTF8进行转换，所以无法显示（转后没有对应的字符）。

对于pgAdmin3 client_encoding = 'UTF8' 时，“汉字“转换流程：UTF8 à GBK;

此时客户端与服务端编码一样，不用转，直接将得到的字符转成GBK，所以能正常显示。

2、在client_encoding = ‘GBK’ 环境下，插入“汉字G“

此时pgAdmin3把ANSI编码的“汉字G“转成UTF8编码给客户端，因为客户端编码为GBK和服务端编码不一样，所以数据库又将其作为GBK编码转成UTF8编码进行存储。本来就已经是UTF8编码的字符又作为GBK编码转成UTF8，存储字符就是错的了。但查询时却能正常显示，因为在此环境逆转换的字符还是正确的。

3、在client_encoding = ‘UTF8’ 环境下，插入“汉字U“

此时pgAdmin3把ANSI编码的“汉字G“转成UTF8编码给客户端，因为客户端编码为UTF8和服务端编码一样，不进行任何转换直接存储。查询时在此环境下逆转换后也是正确的，因此也能正常显示。

总结：

1、pgAdmin3内部使用UTF8编码，并将pg客户端也设为UTF8编码，如果服务端也设为UTF8时，pgAdmin3就比较强大了，可以支持各国语言，存取各国文字，就没有国际化问题了。并且在存取时只用在本地的ANSI编码和UTF8编码之间转换一次即可。

2、应用程序内部应尽量使用与数据库客户端相同的编码（或传给客户端的字符编码与客户端编码相同），以保证存到库里的字符是正确的；数据库客户端与服务端编码如不一样，数据库自身会自动转换后存储。

验证pgAdmin3内部使用UTF8编码：用encode查看字符在数据库的存储字节

set client_encoding to 'UTF8';

select encode('汉字','hex') from test;

输出："e6b189e5ad97" 为“汉字”的UTF-8编码。

set client_encoding to 'GBK';

select encode('汉字','hex') from test;

输出：" "e5a7b9e5a48ae793a7"  为将"e6b189e5ad97"作为GBK编码转换为UTF-8后的编码。

 

 

 

 

当初学者在使用PostgreSQL数据库，输入中文时，会遇到“ERROR:  invalid byte sequence for encoding "UTF8": 0xd6d0”的错误，原因是由于没有正确设置客户端字符集。

 

问题的原因：

默认情况下，PostgreSQL是不转换字符集的，如果你的数据库是UTF8的字符集，一般终端的中文字符集会设置为GBK，或en_US（查看终端的字符集可以看LANG环境变量的设置），所以你输入的中文是GBK的编码，这个编码不经转换的存入数据库中，而数据库是UTF8的，PostgreSQL一看没有这样的UTF8编码，所以当然报错了。

解决方法为：

方法一：设置postgresql的客户端编码为GBK，这时PostgreSQL就知道输入的内容是GBK编码的，这样PostgreSQL数据库会自动做字符集的转换，把其转换成UTF8编码。

方法二：直接设置终端的字符集编码为UTF8，让输入的编码直接为UTF8，而不是GBK。

 

看我具体的演示：

 

方法一：设置postgresql的客户端编码：

设置psql客户端字符集为GBK，方法有两种，一种是在psql中输入“\encoding GBK” ，另一种是设置环境变量“export PGCLIENTENCODING=GBK”，看我的演示：
#psql -d dsc
dsc=# insert into t values(1,'中国');
ERROR:  invalid byte sequence for encoding "UTF8": 0xd6d0
HINT:  This error can also happen if the byte sequence does not match the encoding expected by the server, which is controlled by "client_encoding".
dsc=# show client_encoding;
 client_encoding 
-----------------
 UTF8
(1 row)

dsc=# \encoding GBK  
dsc=# show client_encoding;
 client_encoding 
-----------------
 GBK
(1 row)

dsc=# insert into t values(1,'中国');
INSERT 0 1
dsc=# commit;
WARNING:  there is no transaction in progress
COMMIT
dsc=# select * from t;
 id | name 
----+------
  1 | 中国
(1 row)

[postgres@dsc ~]$ export PGCLIENTENCODING=GBK
[postgres@dsc ~]$ psql
psql: FATAL:  conversion between GBK and LATIN1 is not supported
[postgres@dsc ~]$ psql -d dsc
psql (8.4.3)
Type "help" for help.

dsc=# select * from t;
 id | name 
----+------
  1 | 中国
(1 row)

dsc=# insert into t values(2,'我的中国');
INSERT 0 1
dsc=# select * from t;                   
 id |   name   
----+----------
  1 | 中国
  2 | 我的中国
(2 rows)

 

 方法二：设置终端的编码为UTF8：

 

[postgres@dsc ~]$ export LANG=zh_CN.UTF8

 

然后修改终端软件的字符集编码，我使用的是SecureCRT，修改方法为：

Option->Session Option->外观->字符编码，把那个下拉框的内容改成“UTF8”:

 

然后再插入数据测试：

[postgres@dsc ~]$ psql -d dsc
psql (8.4.3)
Type "help" for help.

dsc=# select * from t;
 id |   name   
----+----------
  1 | 中国
  2 | 我的中国
(2 rows)

dsc=# insert into t values(3,'我的中国');
INSERT 0 1
dsc=# select * from t;                   
 id |   name   
----+----------
  1 | 中国
  2 | 我的中国
  3 | 我的中国