codeset的问题

今天终于搞清楚jdbc开发显示中文的问题了。

其实，问题的根源在于codeset上。在这里我就好好解释一下。

首先，让我们来看看数据库的实现。

    数据库不能够脱离字符集独立存在，它一定属于某种字符集。

    informix数据库，默认使用iso-8859_1的字符集。这样的数据库只支持单字节。虽然可以往里面保存多字节的数据，但是数据库本身只是简单的认为，这些数据只是单字节的数据。无论你存入的是双字节的中文，还是4字节的unicode数据，数据库本身只是把它当为单字节而已。

    理解了这一点，我们再来看看用jdbc连接数据库做操作的时候，发生了什么事情。

    客户端通过jdbc连接上数据库，并提取数据后。数据按照数据库默认的编码方式被提取到客户端。客户端要将其转换成unicode。因为jdbc是基于java的，而java内部全部是unicode编码。

    那么在客户端进行转换的时候，就有问题了。到底按那种格式转？

    如果数据库的默认codeset是iso-8859_1，那么是不是就按iso-8859_1转unicode就好了？可能很多人都会说，应该是吧。

    这样的理解，只是对了一部分。

    如果保存在数据库中的数据都是iso-8859_1中包含的字符，那么这样操作没错。但是如果是数据中有中文，那么这样操作就错了。

    例如，汉字“中文”的ascii码为0xD6 0xD0 0xCE 0xC4,而常用的汉字codeset为cp936。如果按照cp936转unicode,则转换的结果是0xE4 0xB8 0xAD 0xE6 0x96 0x87;如果按照iso-8859_1转换则结果是0xC3 0x96 0xC3 0x90 0xC3 0x8E 0xC3 0x84.

    你看，同样的数据，就是因为指定不同的原始字符集，导致转换成unicode的时候，结果截然不同。所以在用jdbc连接数据库的时候，有必要把这个转换关系给说清楚。

    在informix jdbc中是通过newcodeset来说明问题的。

    newcodeset的格式如下：

    newcodeset=jdk codeset, ifx codeset,ifx codenum

    在这里，我们就要说清楚，数据库是按什么字符集存放数据的，取到客户端java时，这些数据需要按照什么样的字符集转换成unicode。

    说明白这两件事情，就能够正确显示中文了。

    具体的连接串例子如下：

    jdbc:informix-sqli://192.168.0.1:5555/cbs:informixserver=cbs;user=informix;password=informix;NEWLOCALE=zh_cn,en_us;NEWCODESET=cp936,8859-1,819;