《DB29中基于字符的字符串函数》由会员分享，可在线阅读，更多相关《DB29中基于字符的字符串函数（11页珍藏版）》请在金锄头文库上搜索。
1、DB2 9 中基于字符的字符串函数简介在当今这个互联网和经济全球化时代，需要使用越来越多的应用程序处理不同国家语言表示的数据。对开发人员而言，这就意味着在应用程序开发的各个阶段 数据库设计、应用程序设计和应用程序编程 都要考虑到不同国家的语言需求。DB2 9 支持具有不同属性的各种语言，比如重音符号（法语）、双向（阿拉伯语）和大字符集（中文）。这些语言在存储、处理、访问和表示数据方面提出了各自不同的挑战。受国家语言影响的数据不仅限于字符串数据。还包括有数值型、日期型和货币型数据。字符与字符串数据的字节语义之间的对比DB2 9 以前版本中的一些字符串函数从字节和双字节单元的混合角度处理字符和图形
2、数据。正如之前解释的那样，越来越多的用户根据不同国家语言的字符来考虑数据。DB2 9 的新功能解决了字符组成及其长度计算方面的问题，本文将讨论这些新功能。对于单字节字符编码模式，一个字节组成一个字符，单字节字符串的长度与字符串的字节长度相同。对于图形字符串，两个字节组成一个字符，使用双字节数来表示字符串的长度。但是对于多字节编码，字符的字节长度随使用编码模式的不同而不同，每个字符的长度可能是一个字节或多个字节。本文中将使用字节计算字符串长度的方法称作字节语义，而使用字符数计算字符串长度的方法称作字符语义。 考虑以下的中文字符串：图 1. 中文字符串如果使用字符语义计算字符串的长度，则该字符串的
3、长度为 2。但是如果使用字节语义并使用 UTF-8 对字符进行编码，则该字符串的长度为 6 字节。对基于字符的函数的需求SQL 中基于字符的数据在很多上下文中都与数值有关，如下所述： 字符串变量的长度：SUBSTR 函数的输入参数，决定了结果字符串的期望长度或 LENGTH 函数的输出。 字符串中的偏移量：LOCATE 函数的第二个参数，指定了字符串中开始搜索的起始位置。 这些数值表示单字节数据的字节数和图形或双字节数据的双字节数。但是对于多字节字符编码（如 UTF-8），这些数值并不符合字符语义。下面的条件可以帮助我们理解为何需要基于字符的函数。字符的组成将字符看作一个单元而不是一个字节序列
4、，这是进行多字节字符的字符串操作的必要条件。应用程序开发人员需要知道，分配缓冲区时应该给每个字符分配多大内存。因此，理解字符组成对编写应用程序处理多字节字符数据非常重要。 可以将字符定义为一个信息单元，对应于书面语言的一个原子单元。每个字符由一个使用字符编码的位序列表示。单个字符通常使用一个字节或多个字节进行编码，具体情况取决于使用的编码方式。 考虑字符 “A” 和 “上面带圈的大写拉丁字母 A”。字符 “A” 的十六进制表示是 x41 而 “上面带圈的大写拉丁字母 A” 的十六进制表示是 xC385。通过 SQL 函数 hex() 可以获取此表示。 图 2. 字符的十六进制表示从上面的表示可
5、以看到，显示期间只存在一个字符。但是，“A” 的长度是一个字节而 “上面带圈的大写拉丁字母 A” 的长度则是两个字节。根据代码单元计算的字符串长度字符字符串的长度取决于用于编码字符的字符编码方式（ASCII、EBCDIC 和 Unicode）。可以使用一个或多个各自编码的代码单元来表示字符。因此，如果字符串中有相同的字符集，则其长度可能随使用编码方式的不同而有所不同。 考虑一个字符例子 “音符 G 音谱号”。考虑表 1 中对此字符的不同编码，您会发现不同代码单元中的不同编码的十六进制表示及其长度都有所不同。 表 1. 相同字符不同编码的十六进制表示编码UTF-8UTF-16(Big-Endia
6、n)UTF-32(Big-Endian)十六进制格式XF09D849EXD834DD1EX0001D11E各自代码单元的长度421从图 3 可以看出如何获取 “音符 G 音谱号” 字符按 UTF-8 编码时的字节长度。 图 3. “音符 G 音谱号” 的字节长度搜索字符在字符串中搜索特定的子字符串时，首先执行搜索，然后返回的结果（字符串中的位置）为字节位置数，而不是正确的字符或代码单元的位置。图 4 展示了对 “a” 的搜索，“a” 的实际字符位置是 2，而输出的位置是 3，原因在于字符串中有多字节字符。 图 4. 字符串中的搜索结果字符分解将多字节字符数据看作字节序列可能导致字符串函数执行意
7、外的字符分解。在图 5 中，已经指定字符串第一个字节的长度为 1 的子字符串。由于第一个字符是多字节的，因此会导致字符分解和错误输出。 图 5. SUBSTR 函数分解字符指定起始位置可能需要为 LOCATE 之类的函数提供输入以指定搜索的起始位置。对于多字节数据可能会存在一些问题，可能得不到预期的结果。在图 6 中，搜索第三个字节后的字符，如果所有的字符都是单字节字符的话应该搜索到第二次出现的 “a” 字符。但是由于第一个字符是多字节字符，因此得到结果 3，它是搜索字符串的第一次出现的位置。 图 6. 使用 LOCATE 指定起始位置基于字符的函数除了 DB2 早期版本中使用字节语义处理字符
8、数据的字符串函数之外，DB2 9 还引入了一组理解字符语义的基于字符的字符串函数。如果采用特殊编码的某个字符的长度跨越了多个字节，则基于字符的字符串函数可以将每个字符处理为一个单元而不是一个字节序列。 引入字符串长度单元DB2 的基于字符的字符串函数引入了字符串长度单元的概念来理解字符编码，根据该概念，考虑使用输入字符串来进行字符串操作。DB2 9 for Linux, UNIX, and Windows 的字符串单元分别为 OCTETS、CODEUNITS16 和 CODEUNITS32。 字符串函数拥有数值规范，或者说结果是输入数据相关的数值。字符串长度单元属于数值。待执行的字符串操作可能
9、导致不同的输出，取决于计算字符所使用的字符串长度单元。一些函数的输入是数值，比如字符串函数的起始、长度和偏移量参数。而其他一些函数的返回结果是数值，比如搜索字符串中指定的子字符串的出现位置，首先执行搜索然后结果返回为字符串长度单元中隐式或显式指定的数字。使用 OCTETS 作为字符串长度单元时，通过简单地计算字符串的字节数即可确定字符串的长度。CODEUNITS16 指定将 Unicode UTF-16 用于字符语义。同样，CODEUNITS32 指定使用 Unicode UTF-32 来理解多字节字符的字符边界。使用 CODEUNITS16 或 CODEUNITS32 计算代码单元得到的结果
10、是相同的，除非使用了增补字符和代理对。使用增补字符时，对于一个增补字符，使用 CODEUNITS16 计算是两个 UTF-16 代码单元，而使用 CODEUNITS32 计算则是一个 UTF-32 代码单元。 如果使用 CODEUNITS 来获取字符的长度，则用作字符串函数输入的 CODEUNITS 的不同会导致输出的不同。清单 1. 使用不同的 CODEUNITS 所得到的字符串长度 VALUES CHARACTER_LENGTH(XF09D849E, OCTETS)1- 4 1 record(s) selected.VALUES CHARACTER_LENGTH(XF09D849E, CO
11、DEUNITS16)1- 2 1 record(s) selected.VALUES CHARACTER_LENGTH(XF09D849E, CODEUNITS32)1- 1 1 record(s) selected.DB2 9 中基于字符的字符串函数CHARACTER_LENGTH如 SQL 标准中所述，此函数使用字符语义查找字符字符串的长度。此函数与 DB2 中的 LENGTH 函数类似，并拥有一个可选的字符串长度单元，可以用来表示结果。与 LENGTH 函数不同，CHARACTER_LENGTH 只接受基于字符串的输入数据。该函数包含两个参数，第一个参数是字符串，而第二个参数是代码单元。
12、在很多情形下，您需要根据代码单元计算的字符串长度，可以使用基于字符的函数来获取根据字符串单元计算的字符串长度。考虑之前讨论的 “音符 G 音谱号” 字符例子。清单 2. 使用 CHARACTER_LENGTH 获取基于 CODEUNITS 的字符串长度 VALUES CHAR_LENGTH(XF09D849E,CODEUNITS16)1 - 2 1 record(s) selected.VALUES CHAR_LENGTH(XF09D849E,CODEUNITS32)1 - 1 1 record(s) selected.使用基于字符的字符串函数可以解决获取基于 CODEUNITS 的字符串长度
13、时的问题。 OCTET_LENGTH如 SQL 标准中所述，此函数返回输入字符串的八位字节长度或字节长度。它与对单字节数据类型使用 LENGTH 函数类似。如果使用双字节数据类型作为输入，它就会给出双倍的 LENGTH 函数值。使用 CHARACTER_LENGTH 并使用 OCTETS 作为字符串长度单元时也会产生同样的功能。清单 3. 使用 OCTECT_LENGTH 获取字符串的字节长度 VALUES OCTET_LENGTH(XF09D849E)1 - 4 1 record(s) selected.LOCATELOCATE 函数返回一个字符串在另一个字符串中第一次出现的起始位置。如果没
14、有找到搜索字符串，并且参数都不为空，则所得的结果是零。如果找到搜索字符串，则所得结果是一个从 1 到源字符串实际长度之间的一个数字。如果指定了可选的起始位置，则表明它是源字符串中开始进行搜索的字符位置。可以指定一个可选的字符串长度单元来指明在哪些单元中表示函数的起始位置和结果。可以使用基于字符的函数来解决在 LOCATE 函数中指定起始位置的问题，如图 7 所示： 图 7. 通过 CODEUNITS 使用 LOCATEPOSITIONPOSITION 函数返回一个字符串在另一个字符串中第一次出现的起始位置。如果没有找到搜索字符串，并且参数都不为空，则所得的结果是 0。如果找到搜索字符串，则所得结果是一个从 1 到输入字符串实际长度之间的一个数字，使用显式指定的代码单元来表示。POSITION 函数是在 SQL 标准中进行定义的。它与 DB2 家族之间实现的 POSSTR 函数相似但不相同。 使用基于字符的函数可以解决将字节位置返回为字符位置的问题。图 8 展示了如何使用 LOCATE 函数来实现此目的。 图 8. 通过 CODEUNITS 使用 POSITIONSUBSTRINGSUBSTRING 函数返回字符串的子字符串。子字符串是输入字符串的零个或多个相邻字符串长度单元。除了输入字符串之外，SUBSTRING 函数还有其他三个参数，它们分别是：起始位置、长度和代码
