21.2. 文字セットサポート

21.2.1. サポートされる文字セット

PostgreSQLで使用できる文字セットを表21-1に示します。

全てのAPIが上の一覧表に示した文字セットをサポートしているわけではありません。 例えばPostgreSQL JDBCドライバはMULE_INTERNAL、LATIN6、LATIN8、そしてLATIN10をサポートしません。

SQL_ASCIIの設定は、他の設定とかなり異なります。サーバのキャラクタセットがSQL_ASCIIのとき、サーバは0から127のバイト値をASCIIに変換します。一方、128から255までは変換されません。 設定がSQL_ASCIIの場合は、符号化は実行されません。よって、この設定は特定の符号化を使用している場合には、その符号化を無視するようになってしまいます。 多くの場合、ASCIIではない環境で作業する場合はSQL_ASCIIの設定を使用するのは、賢いことではありません。なぜならPostgreSQLはASCIIではない文字を変換したり検査したりすることは出来ないからです。

21.2.2. 文字セットの設定

initdbでPostgreSQLクラスタのデフォルト文字セットを定義します。 以下に例を示します。

initdb -E EUC_JP

これはデフォルトの文字セット（符号化方式）をEUC_JP（日本語拡張Unixコード）に設定します。 より長いオプションの文字列を入力するのがお好みなら-Eの代わりに77encodingと書くこともできます。 -Eオプションも77encodingオプションも与えられない場合、initdbは、指定もしくはデフォルトのロケールに基づいて適当な符号化方式を決定しようとします。

異なる文字セットのデータベースを作成することができます。

createdb -E EUC_KR korean

これはEUC_KR文字セットでkoreanという名前のデータベースを作成します。 SQLコマンドで同じことを行うには次のようにします。

CREATE DATABASE korean WITH ENCODING 'EUC_KR';

データベースの符号化方式はpg_databaseシステムカタログに格納されます。 psqlの-lオプションか\lコマンドで符号化方式を確認することができます。

$ psql -l
            List of databases
   Database    |  Owner  |   Encoding    
---------------+---------+---------------
 euc_cn        | t-ishii | EUC_CN
 euc_jp        | t-ishii | EUC_JP
 euc_kr        | t-ishii | EUC_KR
 euc_tw        | t-ishii | EUC_TW
 mule_internal | t-ishii | MULE_INTERNAL
 postgres      | t-ishii | EUC_JP
 regression    | t-ishii | SQL_ASCII
 template1     | t-ishii | EUC_JP
 test          | t-ishii | EUC_JP
 utf8          | t-ishii | UTF8
(9 rows)

21.2.3. サーバ・クライアント間の自動文字セット変換

PostgreSQLは、ある文字セットの組み合わせに対してサーバとクライアントの間で自動的に文字セットを変換する機能を提供しています。 変換情報はpg_conversionシステムカタログに格納されています。PostgreSQLには、表21-2で示されているように、事前に定義された変換が付属します。 新しい変換を作成するにはSQLコマンドのCREATE CONVERSIONを使用します。

自動文字セット変換を有効にするためには、クライアントでどのような文字セット（符号化方式）を使用させたいかをPostgreSQLに伝えなければなりません。 これを行うにはいくつかの方法があります。

• psqlで\encodingコマンドを使います。 \encodingは実行中であってもクライアントの符号化方式を変更させることができます。 例えば符号化方式をSJISに変えたい場合は次のように入力します。

  \encoding SJIS

• libpq関数を使います。 \encodingは結果を得るために実際はPQsetClientEncoding()を呼び出しています。

  int PQsetClientEncoding(PGconn *conn, const char *encoding);

  ここでconnはサーバへの接続、encodingは使用したい符号化方式です。 この関数は符号化方式の設定に成功すると0を返し、失敗すると-1を返します。 この接続に対する現在の符号化方式は次のようにして確認できます。

  int PQclientEncoding(const PGconn *conn);

  EUC_JPのような記号文字列ではなく符号化方式IDを返すことに注意してください。 符号化方式IDを符号化方式名に変換するには次のようにします。

  char *pg_encoding_to_char(int encoding_id);

• SET client_encoding TOを使います。 次のSQLコマンドでクライアントの符号化方式を設定できます。

  SET CLIENT_ENCODING TO 'value';

  標準SQLの構文SET NAMESを同じ目的で使うこともできます。

  SET NAMES 'value';

  現在のクライアントの符号化方式を問い合わせるには次のようにします。

  SHOW client_encoding;

  デフォルトの符号化方式に戻すのには次のようにします。

  RESET client_encoding;

• PGCLIENTENCODINGを使います。 クライアントの環境でPGCLIENTENCODING環境変数が定義されていると、サーバと接続が確立した時点で自動的にクライアントの符号化方式が選択されます （上で説明したその他のどんな方法でもその後書き換えできます）。

• client_encoding変数を使います。 client_encoding変数が設定されていると、サーバとの接続が確立した時点で自動的にクライアントの符号化方式が選択されます （上で説明したその他のどんな方法でもその後書き換えできます）。

EUC_JPをサーバに、そしてLATIN1をクライアントに選んだ場合のように、特定の文字の変換ができない時、日本語文字はLATIN1に入っていないのでエラーが報告されます。

クライアント側のキャラクタセットがSQL_ASCIIに定義されている場合は、符号化変換はサーバ側のキャラクタセットに関係無く無効化されます。 サーバ側と同じように、SQL_ASCIIを使用することは、すべてASCIIのデータを扱っている場合を除き、賢い方法ではありません。

21.2.4. 推奨文書

ここに記したものは様々な符号化方式システムを学習するのに良い資料です。