从拉丁语-9转换为UTF-8的字符串大小(ISO/IEC 8859-15)

Question

我们有一个jdbc程序，它将数据从一个数据库转移到另一个数据库。

1. 源数据库使用Latin9字符集。
2. 目标数据库使用UTF-8编码，列的大小以字节而不是字符指定。
3. 我们已经将源数据库的ddl脚本转换为目标数据库中的等效脚本，保持列的大小不变。
4. 在某些情况下，如果有一些特殊字符，转换为UTF-8后的数据大小将超过目标数据库中列的大小，从而导致jdbc程序失败。

据我所知，UTF-8是可变宽度的编码方案，每个字符可以占用1-4字节，考虑到这一点，最坏的解决方案是分配目标数据库中列大小的4倍。

有更好的估计吗？

Answer 1

由于无法预先知道文本字符串会增长多少，所以我认为您所能做的就是试运行将文本转换为UTF-8，并生成警告，某些列需要增加大小。任何ASCII (非重音)字符都将保持为单个字节，而大多数拉丁-9重音字符可能各为2个字节，但有些字符可能为3。您必须查看拉丁-9和UTF-8表，看看转换后是否有3或4个字节。尽管如此，你还是要检查你的拉丁文-9文本，看看它会增长多少。

Answer 2

拉丁文中的欧元符号在utf-8中用3个字节表示.ascii字符只需1字节。剩下的127个字符将占用2个字节。根据实际的区域设置(以及通常使用的字符)，1.5倍到2倍之间的估计应该足够了。