我很抱歉提出一个字符编码问题,因为我知道你们每天都会遇到很多问题,但我无法弄清楚我的问题,所以我还是问了。
这是我们正在做的事情:
- 使用 Python 从 Oracle DB 获取数据并
cx_Oracle
.
- 使用 Python 将数据写入文件。
- 使用 Python 将文件引入 Postgres 并
psycopg2
.
以下是重要的 Oracle 设置:
SQL> select * from NLS_DATABASE_PARAMETERS;
PARAMETER VALUE
------------------------------ ----------------------------------------
NLS_LANGUAGE AMERICAN
NLS_TERRITORY AMERICA
NLS_CURRENCY $
NLS_ISO_CURRENCY AMERICA
NLS_NUMERIC_CHARACTERS .,
NLS_CHARACTERSET US7ASCII
根据这个NLS_LANG
faq http://www.oracle.com/technetwork/database/globalization/nls-lang-099431.html#_Toc110410550,您应该根据客户端操作系统使用的内容设置 NLS_LANG。
Running locale
给我们:LANG=en_US.UTF-8
(所有其他字段也是 en_US.UTF-8)。
因此,在我们的 Python 脚本中,我们这样设置:
os.environ["NLS_LANG"] = "AMERICAN_AMERICA.AL32UTF8"
然后我们导入数据并将其写入文件。
row = cur.fetchall()
fil.write(row[0][0]) #For this test, I am only writing one row and one field.
我们将该文件提取到 UTF-8 Postgres 数据库中。
不幸的是,由于某种原因,我们在我们的文件和随后的 PG 表中得到了这个符号:�。如果我的理解正确的话,这就是替换字符 http://www.fileformat.info/info/unicode/char/fffd/index.htm。我相信如果 Unicode 无法识别某个符号,该字符就会显示出来。
(在某些文本编辑器中,该符号显示为�
).
我不明白的是为什么会发生这种情况?我认为 UTF-8 向后兼容 7 位 ASCII?
即使我们使用区域页面,它是否仍然可以工作,因为客户端使用的是 US,而 Oracle 服务器使用的是 AMERICAN?
如何检查数据是否正确导入,如果不正确,如何修复它以便将来导入?
注意:Oracle 字段是CHAR
字段而不是NCHAR
field.
注意2:我们使用的是Python 2.4,因此Python 3.X 中没有原生的Unicode 内容。因此,Python 可能在某个地方搞砸了,尽管我认为 cx_Oracle 已经解决了这一切。
感谢您抽出宝贵的时间,希望您有美好的一天。