数据类型_字符集

一、sqlite常见数据类型对比

char、varchar、text和nchar、nvarchar、ntext的区别：

1.CHAR。CHAR存储定长数据很方便，CHAR字段上的索引效率级高，比如定义

char(10)，那么不论你存储的数据是否达到了10个字节，都要占去10个字节的空间,不足的自动用空格填充。

2.VARCHAR。存储变长数据，但存储效率没有CHAR高。如果一个字段可能的值

是不固定长度的，我们只知道它不可能超过10个字符，把它定义为VARCHAR(10)是最合算的。VARCHAR类型的实际长度是它的值的实际长度+1。

为什么“+1”呢？这一个字节用于保存实际使用了多大的长度。从空间上考虑，用varchar合适；从效率上考虑，用char合适，关键是根据实际情况找到权衡点。

3.TEXT。text存储可变长度的非Unicode数据，最大长度为

2^31-1(2,147,483,647)个字符。

4.NCHAR、NVARCHAR、NTEXT。这三种从名字上看比前面三种多了个“N”。它

表示存储的是Unicode数据类型的字符。我们知道字符中，英文字符只需要一个字节存储就足够了，但汉字众多，需要两个字节存储，英文与汉字同时存在时容易造成混乱，Unicode字符集就是为了解决字符集这种不兼容的问题而产生的，它所有的字符都用两个字节表示，即英文字符也是用两个字节表示。nchar、nvarchar的长度是在1到4000之间。和char、varchar比较起来，nchar、nvarchar则最多存储4000个字符，不论是英文还是汉字；而char、varchar最多能存储8000个英文，4000个汉字。可以看出使用nchar、nvarchar数据类型时不用担心输入的字符是英文还是汉字，较为方便，但在存储英文时数量上有些损失。

二、Linux C/C++转换

例子1: 用C语言实现的转换示例程序

/* f.c : 代码转换示例C程序 */

#include

#define OUTLEN 255

main()

{

char *in_utf8 = "姝ｅ?ㄥ??瑁?";

char *in_gb2312 = "正在安装";

char out[OUTLEN];

//unicode码转为gb2312码

rc = u2g(in_utf8,strlen(in_utf8),out,OUTLEN);

printf("unicode-->gb2312 out=%sn",out);

//gb2312码转为unicode码

rc = g2u(in_gb2312,strlen(in_gb2312),out,OUTLEN);

printf("gb2312-->unicode out=%sn",out);

}

//代码转换:从一种编码转为另一种编码

int code_convert(char *from_charset,char *to_charset,char *inbuf,int inlen,char *outbuf,int outlen)

{

iconv_t cd;

int rc;

char **pin = &inbuf;

char **pout = &outbuf;

cd = iconv_open(to_charset,from_charset);

if (cd==0) return -1;

memset(outbuf,0,outlen);

if (iconv(cd,pin,&inlen,pout,&outlen)==-1) return -1;

iconv_close(cd);

return 0;

}

//UNICODE码转为GB2312码

int u2g(char *inbuf,int inlen,char *outbuf,int outlen)

{

return code_convert("utf-8","gb2312",inbuf,inlen,outbuf,outlen); }

//GB2312码转为UNICODE码

int g2u(char *inbuf,size_t inlen,char *outbuf,size_t outlen)

{

return code_convert("gb2312","utf-8",inbuf,inlen,outbuf,outlen); }

例子2: 用C++语言实现的转换示例程序

/* f.cpp : 代码转换示例C++程序 */

#include

#include

#define OUTLEN 255

using namespace std;

// 代码转换操作类

class CodeConverter {

private:

iconv_t cd;

public:

// 构造

CodeConverter(const char *from_charset,const char *to_charset) {

cd = iconv_open(to_charset,from_charset);

}

// 析构

~CodeConverter() {

iconv_close(cd);

}

// 转换输出

int convert(char *inbuf,int inlen,char *outbuf,int outlen) {

char **pin = &inbuf;

char **pout = &outbuf;

memset(outbuf,0,outlen);

return iconv(cd,pin,(size_t *)&inlen,pout,(size_t *)&outlen);

}

};

int main(int argc, char **argv)

{

char *in_utf8 = "姝ｅ?ㄥ??瑁?";

char *in_gb2312 = "正在安装";

char out[OUTLEN];

// utf-8-->gb2312

CodeConverter cc = CodeConverter("utf-8","gb2312");

cc.convert(in_utf8,strlen(in_utf8),out,OUTLEN);

cout << "utf-8-->gb2312 in=" << in_utf8 << ",out=" << out << endl;

// gb2312-->utf-8

CodeConverter cc2 = CodeConverter("gb2312","utf-8");

cc2.convert(in_gb2312,strlen(in_gb2312),out,OUTLEN);

cout << "gb2312-->utf-8 in=" << in_gb2312 << ",out=" << out << endl; }

#include ;

#include ;

#include ;

int main()

{

char inbuf[50]="泣淡@痣尝する搜前课泣淡@痣尝する搜前课";

char outbuf[50];

char* pin = inbuf;

char* pout = outbuf;

size_t inleft = strlen(pin)+1;

size_t outleft = 50;

iconv_t cd = iconv_open("EUC-JP","UTF8");

if((int)cd == -1)

return -1;

if((int)iconv(cd, &pin, &inleft, &pout, &outleft) == -1)

return -1;

iconv_close(cd);

printf("EUC-JP:%s\n", inbuf);

printf("UTF8:%s\n", outbuf);

}

三、Linux修改字符集

Linux下修改字符集

locale -a 查询系统支持的字符集

export LANG=zh_CN.gbk设定字符集

一般来说要设置Linux 系统的环境变量只需要在/etc/profile (全局) 或者~/.bashrc (单个用户) 即可。但

是对于LANG 变量来说，有时候你即使在所有这些初始化脚本里面export 过了，LANG 的值还是纹丝不动

。实际上，你需要去修改/etc/sysconfig/i18n 文件里面的内容。

https://www.360docs.net/doc/3e4319899.html,/parable-myth/archive/2006/09/27/72331.html linux 设置系统语言

修改/etc/sysconfig/i18n 文件，如

LANG="en_US.UTF-8"，xwindow会显示英文界面，

LANG="zh_CN.GB18030"，xwindow会显示中文界面。

还有一种方法cp /etc/sysconfig/i18n $HOME/.i18n

修改$HOME/.i18n 文件，如

LANG="en_US.UTF-8"，xwindow会显示英文界面，

LANG="zh_CN.GB18030"，xwindow会显示中文界面。

这样就可以改变个人的界面语言，而不影响别的用户

修改后的/etc/sysconfig/i18n 文件为：

LANG="en_US.UTF-8"

SUPPORTED="zh_CN.GB18030:zh_CN:zh:en_US.UTF-8:en_US:en" SYSFONT="latarcyrheb-sun16"

LC_ALL="en_US.UTF-8"

export LC_ALL

设置完毕后重启或者用rc.local使生效

或修改登录用户的.bash_profile文件加入

export LANG=zh_CN.GB18030

export LANGUAGE=zh_CN.GB18030:zh_CN.GB2312:zh_CN

#coding=gbk或#coding=utf-8放在文件的前两行。

因为py默认ascii，不包含中文字符集。需要指定编码码类型。

在控制台输入以下命令可以查看py默认编码：

code：

>>>import sys

>>>sys.getdefaultencoding()

字符均使用双字节来表示，只不过为区分中文，将其最高位都定成1。

至于UTF－8编码则是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24位（三个字节）来编码。对于英文字符较多的论坛则用UTF－8节省空间。

GBK包含全部中文字符；UTF-8则包含全世界所有国家需要用到的字符。

GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准（好像还不是国家标准）

UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。

比如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。所以，对于英文比较多的论坛，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。

UTF8是国际编码，它的通用性比较好，外国人也可以浏览论坛，GBK是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBK大~