从Latin-9（ISO / IEC 8859-15）转换时，以UTF-8计算字符串大小

Question

我们有一个jdbc程序，可以将数据从一个数据库移动到另一个数据库。

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后的数据大小超过了目标数据库中列的大小，导致jdbc程序失败。

据我所知，UTF-8是可变宽度编码方案，每个字符可以占用1-4个字节，因为最坏的情况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

由于事先没有确切地说明文本字符串会增长多少，我认为您所能做的只是试运行将文本转换为UTF-8，并生成一个警告，指出某些列需要增加尺寸。任何ASCII（非重音）字符都将保持单个字节，大多数Latin-9重音字符可能每个都是2个字节，但也有一些可能是3.您必须查看Latin-9和UTF-8表转换后查看是否有3或4个字节。不过，你必须检查你的Latin-9文本，看它会增长多少。

Answer 2

Latin-9中的欧元符号将在utf-8中表示3个字节。 ascii字符只占用1个字节。剩余的127个字符将占用2个字节。根据实际的语言环境（以及常用的字符），1.5x和2x之间的估计值就足够了。