Microsoft SQL Server 2000 的国际化功能(1)(2)

UTF-16 所遵循的是每个代码数据点两个字节的相同标准。但是，对于 UTF-16，某些代码数据点会使用紧跟其后的另一代码数据点来定义字符。chin a i t p oe er . co msZSXwpB

和 UCS-2 相似，UTF-16 也以 Little Endian 的方式进行存储，就象在默认情况下在 Windows 上存储相同。chin a i t p oe er . co msZSXwpB

重要 虽然 UCS-2 不识别代理，但他不会破坏代理所在数据库中的实际数据，而是将他们当作两个单独（未定义）的字符。chin a i t p oe er . co msZSXwpB

虽然 SQL Server 7.0 和 SQL Server 2000 能够毫无损失地存储代理对，但他们却将代理对当作两个未定义的 Unicode 字符，而不是个单独的字符。这样的应用程式通常会被描述为代理“中立”或代理“安全”，其中安全是指能够存储数据，即使本身并不能和其进行交互。现在，由于没有正式定义的代理字符，所以代理“识别”应用程式相当少见。Microsoft Word 2000、Microsoft Windows 2000 和 Microsoft Internet Explorer 5.0 连同更高版本就是几种代理识别应用程式。chin a i t p oe er . co msZSXwpB

UTF-8

许多需要 8 位编码的 ASCII 和其他面向字节的系统（如邮件服务器）都必须跨越多种使用不同编码、不同字节排序和不同语言的电脑。UTF-8 是一种和电脑上的字节排序无关的用于处理 Unicode 数据的编码架构。虽然 SQL Server 2000 不以 UTF-8 形式存储数据，但他在至少一种关键情形下支持 UTF-8，即支持可扩展标记语言 (XML)。有关周详信息，请参见本文后面的使用 SQL Server 2000 的 XML 支持来处理多种语言数据。chin a i t p oe er . co msZSXwpB

其他许多数据库系统（如 Oracle 和 Sybase SQL Server）都支持使用 UTF-8 进行存储的 Unicode。根据服务器的实现方法，数据库引擎在技术上能够更为容易地实现这种支持（服务器上现有的任何文本管理代码每次只处理 1 字节的数据，因此无需太大的更改）。在 Windows 环境中，UTF-8 存储具备以下缺点： chin a i t p oe er . co msZSXwpB

• 组件对象模型 (COM) 在其 API 和接口中只支持 UTF-16/UCS-2。假如数据以 UTF-8 格式存储，则经常需要进行转换（只有在使用 COM 时才会出现这种问题；SQL Server 数据库引擎通常不调用 COM 接口）。
  
  
• Windows NT 和 Windows 2000 的内核都是 Unicode，他们分别使用 UCS-2 和 UTF-16。同样，UTF-8 存储格式需要许多额外的转换（如先前对 COM 的说明相同，这不会给 SQL Server 数据库引擎造成转换上的问题，但可能会影响许多客户端操作）。
  
  
• 对许多字符串操作，UTF-8 可能会较慢。由于字符没有固定的宽度，排序、比较和几乎任何字符串操作都可能会减慢。
  
  
• UTF-8 通常需要两个以上字节，但增加的大小会占用磁盘上和内存中的更大空间。

由于 XML 是较为重要的 Internet（他往往面向字节）通信标准，所以他默认为 UTF-8 是很有道理的。chin a i t p oe er . co msZSXwpB

什么是代理？

代理区域是 Unicode 中从 U D800 到 U DFFF 的范围，他包含 1024 个低代理值和 1024 个高代理值。高代理和低代理能够进行组合，以提供对上百万个可能字符的访问。假如只有一个代理对的一半，则将被视为无效。要成为有效，必须始终有一个高代理和一个紧随其后的低代理。和检测 DBCS（双字节字符系统）字符所需的复杂规则相比较，这使代理检测变成了简单的范围检测。chin a i t p oe er . co msZSXwpB

当发布 SQL Server 7.0 时尚不存在任何代理。发布 SQL Server 2000 后，仅有的代理字符是那些和纯文本中的语言标记相关的字符。chin a i t p oe er . co msZSXwpB

重要 如上所述，代理能够在不导致任何数据丢失风险的情况下进行存储，但是，当尝试使用 SQL Server 字符串处理函数来处理数据时，应很小心。另外，Windows 2000 现在只支持代理字符的代码数据点排序。chin a i t p oe er . co msZSXwpB

在发布 SQL Server 2000 后，经过 ISO 和 Unicode 标准组织的一起努力，更多的字符已添加到代理范围中，其中包括 40,000 个 CJKV（中文、日语、朝鲜语和越南语）象形文字。这些字符主要用于传统的和古典的文献，有助于对丰富的 CJKV 文学遗产进行编码。chin a i t p oe er . co msZSXwpB

SQL Server 2000 的数据类型

很明显，数据库的核心任务是数据存储。本部分将讨论在使用 SQL Server 2000 数据类型存储国际化数据时出现的一些问题。chin a i t p oe er . co msZSXwpB

非 Unicode 文本类型：char、varchar 和 text

当处理以 char、varchar 或 text 数据类型存储的文本数据时，需要考虑的最重要的限制是只能存储单个代码页中的信息。确切的代码页取决于列的排序规则（假如不存在列级排序规则，则使用数据库的排序规则）。要确定用于给定列的代码页，能够使用 COLLATIONPROPERTY 函数，如下例所示：chin a i t p oe er . co msZSXwpB

SELECT COLLATIONPROPERTY('Chinese_PRC_Stroke_CI_AI_KS_WS', 'CodePage')



936



SELECT COLLATIONPROPERTY('Latin1_General_CI_AI', 'CodePage')



1252



SELECT COLLATIONPROPERTY('Hindi_CI_AI_WS', 'CodePage')



0

上例中添加了印地语，以指出许多区域配置（如格鲁吉亚语和印地语）都没有代码页，因为他们是“仅 Unicode”的排序规则。这些排序规则不适用于以上数据类型。

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有