20.2. Suporte a conjuntos de caracteres

20.2.1. Conjuntos de caracteres aceitos

A Tabela 20-1 mostra os conjuntos de caracteres disponíveis para uso no servidor.

Nem todas as APIs suportam todos os conjuntos de caracteres listados. Por exemplo, o driver de JDBC do PostgreSQL não aceita MULE_INTERNAL, LATIN6, LATIN8 e LATIN10.

20.2.2. Definição do conjunto de caracteres

O utilitário initdb define o conjunto de caracteres padrão para o agrupamento de bancos de dados do PostgreSQL. Por exemplo,

initdb -E EUC_JP

define o conjunto de caracteres padrão (codificação) como EUC_JP (Código Unix Estendido para Japonês). Pode ser utilizado --encoding em vez de -E, se for preferido digitar a forma mais longa das opções. Se não for fornecida nem a opção -E nem a opção --encoding, é utilizado SQL_ASCII.

Pode ser criado um banco de dados com um conjunto de caracteres diferente:

createdb -E EUC_KR coreano

Este comando cria um banco de dados chamado coreano que utiliza o conjunto de caracteres EUC_KR. Outra forma de se fazer é através do comando SQL:

CREATE DATABASE coreano WITH ENCODING 'EUC_KR';

A codificação usada no banco de dados é armazenada no catálogo do sistema pg_database. Pode ser vista utilizando a opção -l ou o comando \l do psql.

$ psql -l

        Lista de bancos de dados
Banco de Dados |  Dono   |   Codificação
---------------+---------+---------------
 euc_cn        | t-ishii | EUC_CN
 euc_jp        | t-ishii | EUC_JP
 euc_kr        | t-ishii | EUC_KR
 euc_tw        | t-ishii | EUC_TW
 mule_internal | t-ishii | MULE_INTERNAL
 regression    | t-ishii | SQL_ASCII
 template1     | t-ishii | EUC_JP
 test          | t-ishii | EUC_JP
 unicode       | t-ishii | UNICODE
(9 linhas)

20.2.3. Conversão automática do conjunto de caracteres entre cliente e servidor

O PostgreSQL suporta a conversão automática de conjuntos de caracteres entre o cliente e o servidor, para determinados conjuntos de caracteres. A informação de conversão é armazenada no catálogo do sistema pg_conversion. Podem ser criadas novas conversões utilizando o comando CREATE CONVERSION. O PostgreSQL possui algumas conversões pré-definidas, conforme mostrado na Tabela 20-2.

Para ativar a conversão automática entre os conjuntos de caracteres, deve ser informado ao PostgreSQL o conjunto de caracteres (codificação) que se deseja utilizar no cliente. Existem diversas maneiras de fazer:

• Utilizando o comando \encoding no psql. O \encoding permite mudar a codificação do cliente dinamicamente. Por exemplo, para mudar a codificação para SJIS deve ser executado:

  \encoding SJIS
  

• Utilizando as funções da biblioteca libpq. O comando \encoding na verdade chama PQsetClientEncoding() para esta finalidade:

  int PQsetClientEncoding(PGconn *conexão, const char *codificação);
  

  Onde conexão é a conexão com o servidor, e codificação é a codificação que se deseja utilizar. Se for bem-sucedida a definição da codificação pela função, esta retorna 0, senão retorna -1. A codificação corrente para a conexão pode ser obtida utilizando:

  int PQclientEncoding(const PGconn *conexão);
  

  Deve ser observado que é retornado o ID da codificação, e não uma cadeia de caracteres simbólica como EUC_JP. Para converter o ID da codificação no nome da codificação deve ser utilizado:

  char *pg_encoding_to_char(int id_codificação);
  

• Utilizando o comando SET client_encoding TO. A definição da codificação do cliente pode ser feita através do comando SQL:

  SET CLIENT_ENCODING TO 'valor';
  

  Também pode ser utilizada a sintaxe SET NAMES do padrão SQL para esta finalidade:

  SET NAMES 'valor';
  

  Para consultar a codificação corrente do cliente:

  SHOW client_encoding;
  

  Para voltar à codificação padrão:

  RESET client_encoding;
  

• Utilizando a variável de ambiente PGCLIENTENCODING. Se a variável de ambiente PGCLIENTENCODING estiver definida no ambiente do cliente, esta codificação de cliente é selecionada automaticamente quando é feita a conexão com o servidor (Pode ser mudada depois utilizando um dos métodos mencionados acima).

• Utilizando a variável de configuração client_encoding. Se a variável client_encoding estiver definida, esta codificação do cliente é selecionada automaticamente quando é feita a conexão com o servidor (Pode ser mudada depois utilizando um dos métodos mencionados acima).

Se não for possível converter um determinado caractere — suponha que seja escolhido EUC_JP para o servidor e LATIN1 para o cliente, então alguns caracteres Japoneses não poderão ser convertidos em LATIN1 — este caractere será transformado nos valores hexadecimais de seus bytes entre parênteses como, por exemplo, (826C).

20.2.4. Leitura adicional

Abaixo estão mostrados bons lugares para começar a aprender os vários tipos de sistema de codificação.