驴槽马嘴:外来文字的对应（Oracle10.2.0.3）

解决CSV文件中日文乱码问题的ORACLE方法

最新推荐文章于 2021-10-18 16:47:35 发布

原创最新推荐文章于 2021-10-18 16:47:35 发布 · 置顶 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

Oracle 同时被 2 个专栏收录

18 篇文章

订阅专栏

PL/SQL

12 篇文章

订阅专栏

本文介绍了如何使用ORACLE的UNISTR函数和自定义函数code_to_char来解决CSV文件中出现的日文乱码问题。通过将HTMLNUMBER式转换为UNICODE并正确显示日文字符，实现数据的正确读取。

营业部门送来的客户数据（CSV格式）里出现了乱码。 “三沢株式会社”。从上下文看，这大概是一个日文汉字。正是：驴槽上出了马嘴。

从格式看，这是HTML NUMBER格式。大概是用户通过WEB页面输入，因为浏览器对这种格式可自动转换，显示时并不出现乱码，但是保存后会出现。

我的ORACLE用的是UNICODE，相信没有显示不了的字符。

Oracle提供了一个UNISTR的函数，它要求输入4位16进制格式。当字符的UNICODE codepoint过大时，要先做切分，再说了，HTML NMBER是10进制，还要先转换到16进制。

好在xmlquery中可以用codepoints-to-string这样的函数。（http://www.sqlsnippets.com/en/topic-13438.html）

1. 自定义函数

create function code_to_char(dec_code in number)

return varchar2

chr_str varchar2(256);

sql_str varchar2(3200);

begin

sql_str := 'select xmlquery(''fn:codepoints-to-string('||dec_code||')'' returning content ).getstringval() from dual';

EXECUTE IMMEDIATE sql_str into chr_str ;

return chr_str;

end;

2. 验证

select code_to_char('沢') C from dual;

C
沢

可见， “三沢株式会社”应该是“三沢株式会社”。

select code_to_char(35) Digit2, code_to_char(245) Digit3, code_to_char(26576) Digit4, code_to_char(34003) Digit5, code_to_char(169808) Digit6 from dual;

DIGIT2	DIGIT3	DIGIT4	DIGIT5	DIGIT6
#	õ	某	蓓	*

* 这个字的UNICODE信息可参见：http://en.glyphwiki.org/wiki/u29750

3. 利用此函数转换相应的字符

（详情略。使用单一的Udapte+replace怕不成。也许要用PL/SQL，还要用循环）