MogDB 对于生僻字的存储和显示：㼆 㱔 䶮 (王莹)
MogDB 对于生僻字的存储和显示：㼆 㱔 䶮 (王莹)
最近在云和恩墨大讲堂的微信群里，有朋友讨论生僻字的存储，其实无论任何数据库，MogDB 还是 Oracle ，在任何数据库中存储生僻字，其实都和一个因素有关：字符集。
能否正常存储一个字符，首先是要看要存储的字符在数据库的当前字符集中是否能够表达。如果包含在数据库字符集中，则能够正常存储（但是注意，很多时候，本应正常存储的字符，可能在写入过程中，因为环境问题转换错误，丢失了正确的字符，而出现乱码）。
标题中出现的生僻字读音：㼆 yíng ，㱔 suǒ，䶮 yǎn
这里面有一个特殊的字：𬎆(王莹) 。注意，如果你的客户端没有支持的字库，则可能无法看到这个字。
我们看一下 MogDB 的表现，我们使用了墨天轮的实训平台，字符集如下:
enmotech=# select * from v$nls_parameters;
parameter | value | description
----------------------+----------------------------+------------------------------------------------------------------------------
lc_collate | en_US.UTF-8 | Shows the collation order locale.
lc_ctype | en_US.UTF-8 | Shows the character classification and case conversion locale.
lc_messages | en_US.UTF-8 | Sets the language in which messages are displayed.
lc_monetary | en_US.UTF-8 | Sets the locale for formatting monetary amounts.
lc_numeric | en_US.UTF-8 | Sets the locale for formatting numbers.
lc_time | en_US.UTF-8 | Sets the locale for formatting date and time values.
nls_timestamp_format | DD-Mon-YYYY HH:MI:SS.FF AM | defines the default timestamp format to use with the TO_TIMESTAMP functions.
NLS_CHARACTERSET | UTF8 | Database/Server encoding
(8 rows)生僻字的示范：
如果直接贴代码，不支持的客户端可能就看不到其中的部分汉字：
enmotech=# create table mogdb (cname varchar2(10));
CREATE TABLE
enmotech=#
enmotech=# insert into mogdb values('䶮');
INSERT 0 1
enmotech=# insert into mogdb values('㼆');
INSERT 0 1
enmotech=# insert into mogdb values('𬎆');
INSERT 0 1
enmotech=# select cname,dump(cname) from mogdb;
cname | dump
-------+-------------------
䶮 | Len=3 e4,b6,ae
㼆 | Len=3 e3,bc,86
𬎆 | Len=4 f0,ac,8e,86
(3 rows)
enmotech=# 我们来进一步解释一下。在很多人的认知里，通常 ”㼆“更容易被正确存入数据库中，E3 BC 86 正是其在 UTF8 字符集下的正确编码。查看字符编码的网站：汉字字符集编码查询
而所谓的生僻字，其实是在 Unicode 统一编码标准中，在后期加入的，以支持更多的字符。
在Unicode中，汉字被划分为以下几个区，以Windows为例给出了支持版本（大致支持示意）：
- 基本区：20902字。
- 扩展A区：6582字。（Windows XP原生支持至此）
- 扩展B区：42711字。（Windows Vista和Windows 7原生支持至此）
- 扩展C区：4149字。
- 扩展D区：222字。（Windows 8、Windows 8.1和Windows 10的早期版本支持至此）
- 扩展E区：5762字。（Windows 10创意者更新中提供了部分支持）
- 扩展F区：7473字。（不受支持）
㼆 字位于 扩展A 区，而其简化形态 “王莹”则是位于 扩展E区，大部分系统并不支持。
也就是说，这个字的编码：U+2C386 已经给出，但是对于客户端，如果不支持这个显示，则无法正常展示出来。
所以对于一个字符的支持，是包括数据库和客户端两部分的。现在有些输入法可以打出这些生僻字，但是系统不一定能够支持，也就给使用带来了很多麻烦。
在一些字典上这个字是存在的，用途即是人名：
![《新华字典》不收[王莹]字考证](https://ask.qcloudimg.com/http-save/yehe-2991005/4eb2c8b66213535fc878c9cf1df19fad.jpeg)
对于上面所展示的“王莹”，已经分配了编码，其 UTF-8 编码是 F0AC8E86 ，只要我们将这个编码存入数据库（字符集如果是 AL32UTF8，可以直接存储），剩下的就是看客户端是否支持，如果支持，则查询后可以正常显示，如果不支持则将无法显示，出现一个替代符号或者乱码。
在一些字体网站上，你可以找到支持了各种扩展字体的字库文件，安装之后，就能够展示这些生僻的汉字了。
例如，巴贝斯通汉 就支持了这些扩展区域的字符。
如果你在客户端安装了这个字体，那么如下一个网页，你将能够看到这个汉字“王莹”，我在这里包含了这个字“𬎆”，没有字体支持你就看不到：
理解清楚了字符集，也就能够找到了应对特殊字符的解决方案。