La Table 23.3 muestra los juegos de caracteres disponibles para su uso en PostgreSQL.

No todas las API cliente admiten todos los juegos de caracteres enumerados. Por ejemplo, el controlador JDBC de PostgreSQL no admite MULE_INTERNAL, LATIN6, LATIN8 y LATIN10.

El ajuste SQL_ASCII se comporta de manera considerablemente diferente a los otros ajustes. Cuando el juego de caracteres del servidor es SQL_ASCII, el servidor interpreta los valores de bytes 0–127 de acuerdo con el estándar ASCII, mientras que los valores de bytes 128–255 se toman como caracteres no interpretados. No se realizará ninguna conversión de codificación cuando el ajuste sea SQL_ASCII. Por lo tanto, este ajuste no es tanto una declaración de que se está utilizando una codificación específica, sino una declaración de ignorancia sobre la codificación. En la mayoría de los casos, si estás trabajando con datos que no son ASCII, no es prudente utilizar el ajuste SQL_ASCII porque PostgreSQL no podrá ayudarte convirtiendo o validando caracteres que no sean ASCII.

initdb define el juego de caracteres (codificación) por defecto para un clúster de PostgreSQL. Por ejemplo:

initdb -E EUC_JP

establece el juego de caracteres por defecto en EUC_JP (Código Unix extendido para japonés). Puedes utilizar --encoding en lugar de -E si prefieres cadenas de opciones más largas. Si no se proporciona ninguna opción -E o --encoding, initdb intenta determinar la codificación adecuada a utilizar en función de la configuración regional especificada o por defecto.

Puedes especificar una codificación que no sea la por defecto al momento de la creación de la base de datos, siempre que la codificación sea compatible con la configuración regional seleccionada:

createdb -E EUC_KR -T template0 --lc-collate=ko_KR.euckr --lc-ctype=ko_KR.euckr korean

Esto creará una base de datos llamada korean que utiliza el juego de caracteres EUC_KR y la configuración regional ko_KR. Otra forma de lograr esto es utilizar este comando SQL:

CREATE DATABASE korean WITH ENCODING 'EUC_KR' LC_COLLATE='ko_KR.euckr' LC_CTYPE='ko_KR.euckr' TEMPLATE=template0;

Ten en cuenta que los comandos anteriores especifican la copia de la base de datos template0. Al copiar cualquier otra base de datos, los ajustes de codificación y configuración regional no se pueden cambiar con respecto a los de la base de datos de origen, porque eso podría provocar la corrupción de los datos. Para más información, consulta la Section 22.3.

La codificación de una base de datos se almacena en el catálogo del sistema pg_database. Puedes verla utilizando la opción -l de psql o el comando \l.

$ psql -l
                                         List of databases
    Name    |  Owner   | Encoding  |  Collation  |    Ctype    |          Access Privileges
-----------+----------+-----------+-------------+-------------+-------------------------------------
 clocaledb | hlinnaka | SQL_ASCII | C           | C           |
 englishdb | hlinnaka | UTF8      | en_GB.UTF8  | en_GB.UTF8  |
 japanese  | hlinnaka | UTF8      | ja_JP.UTF8  | ja_JP.UTF8  |
 korean    | hlinnaka | EUC_KR    | ko_KR.euckr | ko_KR.euckr |
 postgres  | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  |
 template0 | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  | {=c/hlinnaka,hlinnaka=CTc/hlinnaka}
 template1 | hlinnaka | UTF8      | fi_FI.UTF8  | fi_FI.UTF8  | {=c/hlinnaka,hlinnaka=CTc/hlinnaka}
(7 rows)

PostgreSQL admite la conversión automática de juegos de caracteres entre el servidor y el cliente para muchas combinaciones de juegos de caracteres (la Section 23.3.4 muestra cuáles).

Para habilitar la conversión automática de juegos de caracteres, debes indicarle a PostgreSQL el juego de caracteres (codificación) que deseas utilizar en el cliente. Existen varias formas de lograr esto:

Si la conversión de un carácter en particular no es posible — supongamos que elegiste EUC_JP para el servidor y LATIN1 para el cliente, y se devuelven algunos caracteres japoneses que no tienen representación en LATIN1 — se reporta un error.

Si el juego de caracteres del cliente se define como SQL_ASCII, se desactiva la conversión de codificación, independientemente del juego de caracteres del servidor. (Sin embargo, si el juego de caracteres del servidor no es SQL_ASCII, el servidor seguirá verificando que los datos entrantes sean válidos para esa codificación; por lo que el efecto neto es como si el juego de caracteres del cliente fuera el mismo que el del servidor). Al igual que para el servidor, el uso de SQL_ASCII no es sabio a menos que estés trabajando con datos que sean todos ASCII.

PostgreSQL permite la conversión entre dos juegos de caracteres cualesquiera para los cuales se liste una función de conversión en el catálogo del sistema pg_conversion. PostgreSQL viene con algunas conversiones predefinidas, como se resume en la Table 23.4 y se muestra con más detalle en la Table 23.5. Puedes crear una nueva conversión utilizando el comando SQL CREATE CONVERSION. (Para ser utilizada en conversiones automáticas cliente/servidor, una conversión debe estar marcada como “default” para su par de juegos de caracteres).

Estas son buenas fuentes para comenzar a aprender sobre varios tipos de sistemas de codificación.