如何在Oracle中转换html实体？

Question

我试图解码包含html实体的html。

我尝试过dbms_xmlgen.convert和utl_i18n.unescape_reference，但是结果并不令人满意。

SET ESCAPE ON;
SELECT
   'dbms_xmlgen.convert' AS method,
   dbms_xmlgen.convert('\♥', 1) AS hearts,
   dbms_xmlgen.convert('\&',    1) AS amp_ent,
   dbms_xmlgen.convert('\&',  1) AS amp_dec,
   dbms_xmlgen.convert('\&', 1) AS amp_hex,
   dbms_xmlgen.convert('\激\光', 1) AS chinese_laser 
FROM dual
UNION ALL
SELECT
   'utl_i18n.unescape_reference',
   utl_i18n.unescape_reference('\♥'),
   utl_i18n.unescape_reference('\&'),
   utl_i18n.unescape_reference('\&'),
   utl_i18n.unescape_reference('\&'),
   utl_i18n.unescape_reference('\激\光') 
FROM dual;

我得到的结果是：

METHOD                        HEARTS      AMP_ENT     AMP_DEC     AMP_HEX     CHINESE_LASER
----------------------------------------------------------------------------------------------
dbms_xmlgen.convert           ♥    &           &     &    激光
utl_i18n.unescape_reference   ¿           &           &           &           ¿¿

我的实际问题涉及汉字，由Java程序处理，以创建PDF报告。我无法很容易地访问Java代码，但我确实可以控制程序使用的查询。

我用来测试的一个汉字实例是激光，谷歌翻译告诉我它的意思是‘激光’，我收到的编码为激光。正如上面的例子所示，它们没有被正确地解码。

我意识到，在第二行中，倒问号似乎表明实体已被转换，但不能正确显示。但是，这是Oracle自己做的，还是客户端(我在SQL+和蟾蜍中都尝试过)？当我将utl_i18n.unescape_reference插入到Java程序使用的查询中时，它适用于像± (±)这样的实体，但同样地，它不适用于汉字。

我怎么能让所有的实体都被正确地解码？

• 我应该使用另一个函数吗？(这些都是在互联网上推荐的)。
• 我应该改变一些设置吗？(有关设置见下文)。

相关信息

Oracle Database 11g Enterprise Edition Release 11.1.0.7.0 - 64bit Production
SQL*Plus: Release 10.1.0.5.0

NLS_LANGUAGE                           AMERICAN
NLS_TERRITORY                          AMERICA
NLS_CHARACTERSET                       WE8MSWIN1252
NLS_NCHAR_CHARACTERSET                 AL16UTF16

Answer 1

用utl_i18n.unescape_reference对汉字进行正确解码。实际上，它们只是在查询结果中没有正确显示，这可能不支持这些特殊字符。

您可以通过这个SQL Fiddle来确认这一点。

适当地显示字符是客户端的职责。如果客户端不能显示一个字符，它可能会显示一个颠倒的问号，或者其他的东西，或者只是普通的垃圾。

所以现在真正的问题是你想在哪里显示这个字符串..。

Answer 2

您提到您尝试过SQL*Plus和蟾蜍；您的客户端操作系统Windows是什么？Unix？请参阅NLS_操作系统_字符集环境变量，它是在客户端上设置为客户端理解和支持的值的环境变量。如果您在Unix上，则调用

locale

命令，查看将LANG或LC_ALL设置为什么；您可能需要设置

出口NLS_OS_CHARSET=UTF-8

或者类似的。

在Unix中，可以使用

locale -a