导语：

近几年，国产化创新潮流席卷全国，异构数据库迁移成了不少同行、客户争相讨论的话题，大家或争论方案、或求解答疑、或讨论产品，总之问题林林总总，涉及的面还很多，笔者也在近期的几个项目中做了几个异构数据库迁移的项目，项目过后感觉大家最感兴趣的还是异构数据库迁移有哪些注意事项，所以闲暇期间把自己做的一些项目中遇到的问题总结下来，供大家参考借鉴。

一、字符集转换问题

目前做字符集转换的工具不少，有操作系统自带的，也有各种脚本语言、高级语言自带的函数库，然而在进行跨字符集转换过程中其实有很多陷阱。通常，常用的字符集转换多数是GBK、GB2312、CP936、UTF8、UNICODE、LATIN等常用字符集之间的互相转换。因此，遇到不同字符集迁移的项目，建议还是要以实际项目情况出发合理选择方案。以下是笔者在处理不同字符集转换的几点建议：

■中文字段值域范围问题

中文不同的字符集按其编码规范占用的字节数并不一致，如GBK字符集下中文一个汉字占2字节，而UTF8字符集为3字节（少数占用4个字节）。此种情况下需要在模型设计过程中做好值域范围的调整，防止数据加工时报错。

■中文乱码问题

中文乱码是大家经常碰到的问题，多数是因为不同字符集覆盖范围不同，不同字符集在做转换时，因源和目标映射不对称，转码程序通常采用舍去不能转换的字符，或将其转换为预先指定的字符，此种情况下导致转换后的部分结果是乱码。以下为常用字符集范围及编码规范：

GB2312字符集   

作用：国家简体中文字符集，兼容ASCII

位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，涵盖所有常用汉字

范围：高字节从A1到F7, 低字节从A1到FE

BIG5字符集

作用：统一繁体字编码

位数：使用2个字节表示，总计13053个汉字

范围：高字节从A1到F9，低字节从40到7E，A1到FE

GBK字符集

作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312

位数：使用2个字节表示，可表示21886个字符

范围：高字节从81到FE，低字节从40到FE （7F 除外）

GB18030字符集
作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK

位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字

范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39

UNICODE字符集
作用：为世界650种语言进行统一编码，兼容ISO-8859-1

位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32

范围：UNICODE中文字符范围是[U+4E00-U+9FBF]，常用范围是[U+4E00-U+9FA5]

▲上下滑动查看

■　转码处理策略

转码处理策略主要是指转码过程中对于异常字符的处理方式，通常在指定完目标字符集后对于异常字符的处理方式有3种：

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。