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 $LANGen_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：

psql为GBK时，插入失败：

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：

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:

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

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

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

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

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。

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。