Clob与不恰当的charset

Question

我想将文件加载到plsql clob变量中，然后对其执行一些regexp转换。我遇到的问题是，不知何故，我的字符集搞砸了。

到目前为止我试过：

declare 
 l_filename varchar2(100) := 'sample.txt';
 l_clob clob;
 l_bfile bfile;
 begin
 dbms_lob.createtemporary(l_clob, true);
 l_bfile := bfilename( 'SAMPLE_DIR', l_filename );
 dbms_lob.fileopen( l_bfile );
 dbms_lob.loadfromfile( l_clob, l_bfile, dbms_lob.getlength( l_bfile ));
 dbms_lob.fileclose( l_bfile );
 dbms_output.put_line(l_clob);
 end;
/

我在其中创建了一个带有'test file'的平面文件'sample.txt'，当我最终打印它时，我得到'瑥獴楬'。我在我的数据库中使用的字符集是utf-8。为什么我的编码搞砸了？

我找到了一些在线编码器https://www.urlencoder.org/。当我把中文字母放入其中并使用UTF16-BE作为目标字符集时，我得到了'test％20file％0A'。但我仍然不知道为什么我的编码搞砸了。

Answer 1

你确定你的数据库字符集是AL32UTF8，你的磁盘上的文件是ASCII吗？因为它看起来像什么，某处是AL16UTF16（我认为它与UTF-16BE相同）。

您的测试字符串“test file \ n”编码为UTF8字节0x746573742066696C650A。你实际上有5个亚洲字符，因为第三个是不可打印的字符，LEFT-TO-RIGHT ISOLATE。

当我将“test file \ n”转换为UTF16时，我得到以下内容：

select dump( utl_i18n.raw_to_char( hextoraw('746573742066696C650A'), 'AL16UTF16' ), 1016 ) 
from dual;

Typ=1 Len=15 CharacterSet=AL32UTF8: e7,91,a5,e7,8d,b4,e2,81,a6,e6,a5,ac,e6,94,8a

select dump( '瑥獴⁦楬攊', 1016) from dual;

Typ=96 Len=15 CharacterSet=AL32UTF8: e7,91,a5,e7,8d,b4,e2,81,a6,e6,a5,ac,e6,94,8a

请注意，字节序列是相同的。第二个dump()有Typ=96，这是一个NCHAR值。您是否为我的数据库获得了相同的字符集？

select * from nls_database_parameters 
where parameter IN ('NLS_CHARACTERSET', 'NLS_NCHAR_CHARACTERSET' );

PARAMETER               VALUE
NLS_CHARACTERSET        AL32UTF8
NLS_NCHAR_CHARACTERSET  AL16UTF16