使用sql / plsql，如何找出文本使用的字符集？

Question

我有一个Oracle数据库，该数据库以不同的语言存储来自世界各地的文档的内容。文档存储在带有BLOB列的表中，BLOB列存储文档的内容。

我想通过Oracle过程找出每个文档的字符集。我不想使用CSSCAN实用程序，因为看来您必须在过程之外的单独会话中使用它。

谢谢你的帮助！

Answer 1

Oracle全球化开发套件可以检测字符集。

GDK包含在Oracle中，但默认情况下未安装在数据库中。要将.jar文件加载到数据库中，请在Oracle主页中找到jlib目录，然后运行以下操作系统命令：

loadjava -u USER_NAME@SID orai18n.jar orai18n-collation.jar orai18n-lcsd.jar orai18n-mapping.jar orai18n-net.jar orai18n-servlet.jar orai18n-tools.jar orai18n-translation.jar orai18n-utility.jar

即使您的用户具有DBA，也需要一些额外的Java特权。运行此命令，然后重新连接：

exec dbms_java.grant_permission( 'YOUR_USER_NAME', 'SYS:java.lang.RuntimePermission', 'getClassLoader', '' );

创建一个Java类进行检测。下面是一个非常简单的示例，该示例返回字符串的最佳猜测：

create or replace and compile java source named "Character_Set_Detector"
as
import oracle.i18n.lcsd.*;
import java.sql.*;
import java.io.IOException;
public class Character_Set_Detector
{
    public static String detect(Blob some_blob) throws SQLException, IOException
    {
        LCSDetector detector = new LCSDetector();
        detector.detect(some_blob.getBinaryStream());
        LCSDResultSet detector_results = detector.getResult();
        return detector_results.getORACharacterSet();
    }
}
/

将Java类包装在PL / SQL函数中：

--Wrap the Java class in a PL/SQL function:
create or replace function detect_character_set(some_blob blob)
return varchar2
as language java
name 'Character_Set_Detector.detect(java.sql.Blob) return java.lang.String';
/

我通过将字符串翻译成不同的语言，使用文本编辑器将文本保存为不同的编码，使用十六进制编辑器打开文件并将十六进制转换为BLOB来模拟不同的字符集：

--UTF8
--The quick brown fox jumps over the lazy dog
select 1 id, detect_character_set(hextoraw('54686520717569636b2062726f776e20666f78206a756d7073206f76657220746865206c617a7920646f67')) character_set from dual union all
--Western European (ISO-8859-1)
--El zorro marr贸n r谩pido salta sobre el perro perezoso
select 2 id, detect_character_set(hextoraw('456c207a6f72726f206d617272f36e2072e17069646f2073616c746120736f62726520656c20706572726f20706572657a6f736f')) from dual union all
--Chinese Simplified (GBK)