为什么 Oracle 对补充 unicode 字符花栗鼠使用与 java 不同的字节长度？

Question

我有 java 代码将 UTF-8 字符串修剪为我的 Oracle (11.2.0.4.0) 列的大小，最终抛出错误，因为 java 和 Oracle 将字符串视为不同的字节长度。我已经验证我NLS_CHARACTERSET在 Oracle 中的参数是“UTF8”。

我写了一个测试，使用unicode 花栗鼠表情符号(?)

public void test() throws UnsupportedEncodingException, SQLException {
    String squirrel = "\uD83D\uDC3F\uFE0F";
    int squirrelByteLength = squirrel.getBytes("UTF-8").length; //this is 7
    Connection connection = dataSource.getConnection();

    connection.prepareStatement("drop table temp").execute();

    connection.prepareStatement("create table temp (foo varchar2(" + String.valueOf(squirrelByteLength) + "))").execute();

    PreparedStatement statement = connection.prepareStatement("insert into temp (foo) values (?)");
    statement.setString(1, squirrel);
    statement.executeUpdate();
}

这在测试的最后一行失败，并显示以下消息：

ORA-12899: 列
"MYSCHEMA"."TEMP"."FOO" 的值太大（实际：9，最大值：7）

的设置NLS_LENGTH_SEMANTICS是BYTE。不幸的是，我无法改变它，因为它是一个遗留系统。我对增加列大小不感兴趣，只是能够可靠地预测字符串的 Oracle 大小。

Answer 1

问题在于 Oracle 在NLS_LENGTH_SEMANTICSis时处理补充 unicode 字符UTF8。

来自文档（添加了重点）。

UTF8 字符集以一个、两个或三个字节对字符进行编码。它适用于基于 ASCII 的平台。

插入到 UTF8 数据库中的增补字符不会损坏数据库中的数据。增补字符被视为两个单独的、用户定义的字符，占用 6 个字节。Oracle 建议您切换到 AL32UTF8，以完全支持数据库字符集中的增补字符。

此外，松鼠字符串中的最后一个代码点是一个变体选择器并且是可选的。我使用unicode 字符检查器看到了这个

更改数据库NLS_CHARACTERSET参数后AL32UTF8测试通过。