在"解决Multibyte character error一例"这篇文章里，我最后用到的解决方法是set NLS_LANG=AMERICAN_AMERICA.WE8ISO8859P1，有同事看到这篇文章后问我为什么要这么做？原因是什么？
我这里做一下说明，之所以有了上述解决方法是因为我曾经看到227330.1里有这样一段话"Files made on Unix systems (using vi for example) are most of the time WE8ISO8859P1 depending on the LOCALE setting or used telnet/ssh config."
下面我以一个例子来说明上述问题：
首先来重现一下问题：
E:\>sqlldr ipra/acca@ipradev control=ATPCO.ctl data=LKTCN081121.bad
SQL*Loader: Release
Copyright (c) 1982, 2005, Oracle. All rights reserved.
这里sqlldr实际上是一条数据都没有导入进去。
这里的本质原因是因为这里windows客户端默认的NLS_LANG是SIMPLIFIED CHINESE_CHINA.ZHS16GBK，而ANSI编码方式中又没有A5所对应的字符，所以oracle这里报错Multibyte character error。
WE8ISO8859P1是很常用的西欧字符集，我当时估计里面肯定是有A5的，而且当时我的源数据文件中并没有中文，所以我这里放心的将NLS_LANG设成AMERICAN_AMERICA.WE8ISO8859P1，目的就是告诉oracle我这里A5不是ANSI编码，WE8ISO8859P1有A5，你帮我在WE8ISO8859P1和ZHS16GBK之间做一个转换吧。
E:\>set NLS_LANG=AMERICAN_AMERICA.WE8ISO8859P1
E:\>sqlldr ipra/acca@ipradev control=ATPCO.ctl data=LKTCN081121.bad
SQL*Loader: Release
Copyright (c) 1982, 2005, Oracle. All rights reserved.
Commit point reached - logical record count 2
转换后我们来看一下转换后A5变成了什么：
SQL> select substr(oatint,314,1) from owbatptemp;
SUBSTR(OATINT,314,1)
--------------------
￥
￥
原来我们待导入的字符是A5，也就是¥。
现在导入完成后变成了￥。
用ultraEdit看了一下这个￥的16进制码，ultraEdit显示这个￥的16进制码是A3 A4，我们来验证一下 ：
SQL> select dump(substr(oatint,314,1)) from owbatptemp;
DUMP(SUBSTR(OATINT,314,1))
--------------------------------------------------------------------------------
Typ=1 Len=2: 163,164
Typ=1 Len=2: 163,164
这里的163，164就是A3和A4：
SQL> select to_char(163,'XX') from dual;
TO_CHAR(163,'XX')
-----------------
A3
SQL> select to_char(164,'XX') from dual;
TO_CHAR(164,'XX')
-----------------
A4
我们可以很清晰的看到这里实际上是发生了字符集的转换。
注意这里如果待导入的源数据中有中文，这种方式就不可以采用！一旦采用，所有的中文都会变成乱码，而且不可逆！原因就不用我说了吧：）
将LKTCN081121.bad的最开始插入两个中文字符"崔华"，然后再次以同样方式导入，我们来看一下结果：
E:\>sqlldr ipra/acca@ipradev control=ATPCO.ctl data=LKTCN081121.bad
SQL*Loader: Release
Copyright (c) 1982, 2005, Oracle. All rights reserved.
Commit point reached - logical record count 2
QL> select substr(oatint,1,10) from owbatptemp;
SUBSTR(OATINT,1,10)
--------------------
′T？a070006
′T？a070006
0700060842
0700060851
好了，我来总结一下：
1、WE8ISO8859P1不是unicode字符集，它是ISO西欧字符集之一，它不是ZHS16GBK的超集。
2、如果待导入的源数据中有中文，就不能采用我上述的解决方式。
Leave a comment