En utilisant sql/plsql, comment savoir quel jeu de caractères un texte utilise ?

Kit de développement Oracle Globalization peut détecter les jeux de caractères.

Le GDK est inclus avec Oracle mais il n'est pas installé dans la base de données par défaut. Pour charger les fichiers .jar dans la base de données, recherchez le répertoire jlib dans Oraclehome et exécutez cette commande du système d'exploitation :

loadjava -u [email protected] orai18n.jar orai18n-collation.jar orai18n-lcsd.jar orai18n-mapping.jar orai18n-net.jar orai18n-servlet.jar orai18n-tools.jar orai18n-translation.jar orai18n-utility.jar

Certains privilèges Java supplémentaires sont nécessaires, même si votre utilisateur dispose d'un DBA. Exécutez cette commande puis reconnectez-vous :

exec dbms_java.grant_permission( 'YOUR_USER_NAME', 'SYS:java.lang.RuntimePermission', 'getClassLoader', '' );

Créez une classe Java pour effectuer la détection. Vous trouverez ci-dessous un exemple très simple qui renvoie la meilleure estimation pour une chaîne :

create or replace and compile java source named "Character_Set_Detector"
as
import oracle.i18n.lcsd.*;
import java.sql.*;
import java.io.IOException;
public class Character_Set_Detector
{
    public static String detect(Blob some_blob) throws SQLException, IOException
    {
        LCSDetector detector = new LCSDetector();
        detector.detect(some_blob.getBinaryStream());
        LCSDResultSet detector_results = detector.getResult();
        return detector_results.getORACharacterSet();
    }
}
/

Enveloppez la classe Java dans une fonction PL/SQL :

--Wrap the Java class in a PL/SQL function:
create or replace function detect_character_set(some_blob blob)
return varchar2
as language java
name 'Character_Set_Detector.detect(java.sql.Blob) return java.lang.String';
/

J'ai simulé différents jeux de caractères en traduisant une chaîne dans différentes langues, en enregistrant le texte sous différents encodages avec un éditeur de texte, en ouvrant le fichier avec un éditeur hexadécimal et en convertissant l'hexagone en BLOB :

--UTF8
--The quick brown fox jumps over the lazy dog
select 1 id, detect_character_set(hextoraw('54686520717569636b2062726f776e20666f78206a756d7073206f76657220746865206c617a7920646f67')) character_set from dual union all
--Western European (ISO-8859-1)
--El zorro marrón rápido salta sobre el perro perezoso
select 2 id, detect_character_set(hextoraw('456c207a6f72726f206d617272f36e2072e17069646f2073616c746120736f62726520656c20706572726f20706572657a6f736f')) from dual union all
--Chinese Simplified (GBK)
--敏捷的棕色狐狸跳过懒狗
select 3 id, detect_character_set(hextoraw('c3f4bdddb5c4d7d8c9abbafcc0eaccf8b9fdc0c1b9b7')) from dual union all
--Western European (Windows-1252)
--Der schnelle braune Fuchs springt über den faulen Hund
select 4 id, detect_character_set(hextoraw('446572207363686e656c6c6520627261756e6520467563687320737072696e677420fc6265722064656e206661756c656e2048756e64')) from dual union all
--Cyrillic (KOI8-R)
--Быстрая коричневая лиса прыгает через ленивую собаку
select 5 id, detect_character_set(hextoraw('e2d9d3d4d2c1d120cbcfd2c9decec5d7c1d120ccc9d3c120d0d2d9c7c1c5d420dec5d2c5da20ccc5cec9d7d5c020d3cfc2c1cbd5')) from dual;

ID  CHARACTER_SET
--  -------------
1   US7ASCII
2   WE8ISO8859P1
3   ZHS16CGB231280
4   WE8ISO8859P1
5   CL8KOI8R

Cet exemple trivial fonctionne bien mais je ne sais pas dans quelle mesure il fonctionnera avec des fichiers du monde réel. Il y a beaucoup de fonctionnalités dans le GDK, le code ci-dessus n'est qu'un simple point de départ. Avec seulement des modifications mineures, le code peut également détecter les langues comme démontré dans ma réponse ici .