当前位置: 王朝网络 >> other >> 使用COMPOSE和UNISTR 创建沉音字符

使用COMPOSE和UNISTR 创建沉音字符

王朝other·作者佚名 2006-01-09

很多语言，包括英语在内，都使用沉音字符（accented character）。因为这些字符不属于 ASCII 字符集，所以如果不查看 Unicode 值也不使用 Unicode 编辑器并将其转成一个已知字符集，就很难编写使用这些字符的代码。

Oracle9i 引入了 COMPOSE 函数，该函数接受一串 Unicode 字符并规则化其文本。这就意味着它可以接受一个字母和一个组合标记，比如说‘a'（Unicode 字符0097）和沉音符（Unicode 字符0300），然后创建一个单独的由两个标记组合而成的字符。COMPOSE 使用特殊的组合标记，而没有使用 ASCII 中相应的音节标记，它所使用的特殊的组合标记是 Unicode 标准的一部分。上面的例子的结果应该是 Unicode 字符00E0（有一个沉音符的小写拉丁字母‘a'）。

在 ANSI 中最常见的组合字符有：

· U+0300：沉音符（grave accent）( ` )

· U+0301：重音符（acute accent）( ' )

· U+0302：抑扬音符号（circumflex accent）(^)

· U+0303：颚化符号（tilde）(~)

· U+0308：元音变音

如果没有特殊的软件或者键盘驱动程序的话，很难在键盘上输入 Unicode 字符0097和0300。因此，以纯 ASCII 文本输入 Unicode 序列的一个方法是使用 UNISTR 函数。这个函数接受一个 ASCII 字符串然后以国家字符集（通常作为16位 Unicode 或者 UTF-8 字符集安装）创建一个 Unicode 字符的序列。它使用十六进制占位符序列映射任何非 ASCII 字符，映射方式与 Java 类似。

要输入 a 后接一个沉音符组合字符的序列，可以使用 UNISTR(‘a\0300')，而不要试图直接在代码中输入字符。这个函数在任何字符集以及任何具有基于 Unicode 的国家字符集的数据库下都可以正常运行。可以将多个组合字符放在函数中——可以在 UNISTR 函数中混合使用 ASCII 和 Unicode 占位符。例如，可以像下面这样使用 UNISTR 函数：

select COMPOSE(UNISTR('Unless you are nai\0308ve, meet me at the cafe\0301 with

your re\0301sume\0301.')) from dual;

在将 UNISTR 函数的输出与 COMPOSE 组合时，可以在不查找任何值的情况下生成一个 Unicode 字符。例如：

select 'it is true' if compose(unistr('a\0300')) = unistr('\00e0');

COMPOSE 函数返回一个NVARCHAR2 字符串，返回的NVARCHAR2 字符串通常是基于 Unicode 的。如果是在本地使用这些字符，在结果中具有一个隐式地 TO_CHAR 时，数据库将尝试将 Unicode 字符映射到本地字符集。不是所有的字符都可以被映射，有一些字符组合在 COMPOSE 中不能工作，因为 Unicode 协会没有在 Oracle 所用的级别定义它们。

要快速地检查字符如何在一个特定的环境下查询，可以运行一个与下面的脚本类似的脚本，以查看在输出组合字符如何被映射。你可能需要确定一下NLS_LANG 设置以确保这些字符正确地返回：

create or replace type hexrange_tbl as table of varchar2(4);

show errors;

create or replace function hexrange(n1 varchar2,n2 varchar2)

return hexrange_tbl pipelined

begin

for i in to_number(n1,'000X') .. to_number(n2,'000X') loop

pipe row(to_char(i,'FM000X'));

end loop;

return;

end hexrange;

show errors;

select column_value composer,

compose(unistr('a\'||column_value)) a,

compose(unistr('c\'||column_value)) c,

compose(unistr('e\'||column_value)) e,

compose(unistr('i\'||column_value)) i,

compose(unistr('n\'||column_value)) n,

compose(unistr('o\'||column_value)) o,

compose(unistr('r\'||column_value)) r,

compose(unistr('s\'||column_value)) s,

compose(unistr('u\'||column_value)) u,

compose(unistr('y\'||column_value)) y

from table(hexrange('0300','0327')) x;

下面轻松一下，这里有一小段 PL/SQL 脚本，这段脚本使用COMPOSE 和UNISTR 创建一种特殊效果，很多 SMS 用户、黑客和垃圾邮件发送者都使用这种效果使可读英文文本难于扫描，因为它使用字符重音版本的一个随机序列。我使用DBMS_RANDOM 随机选取一个可由不同字符使用的组合字符，然后让 SQL 进行组合并进行反向转换以生成 ANSI/Latin-1 输出。这段脚本在代码中使用了 EMP 表的 ENAME 字段。

set serveroutput on;

declare

-- these combinations work under ANSI, at least

a_comb nvarchar2(50) := unistr('\0300\0301\0302\0303\0308\ 030A ');

c_comb nvarchar2(50) := unistr('\0327');

e_comb nvarchar2(50) := unistr('\0300\0301\0302\0308');

i_comb nvarchar2(50) := unistr('\0300\0301\0308');

n_comb nvarchar2(50) := unistr('\0303');

o_comb nvarchar2(50) := unistr('\0300\0301\0302\0303\0308');

u_comb nvarchar2(50) := unistr('\0300\0301\0302\0308');

y_comb nvarchar2(50) := unistr('\0301\0308');

l_idx integer;