Oracle 19c中XML序列化BLOB时西里尔字符显示异常

问题根源 #

你遇到的乱码问题，核心原因是默认调用XMLSERIALIZE转BLOB时，Oracle未自动使用UTF-8编码，而是 fallback到了会话或客户端级别的字符集（你看到的Windows-1251就是这种情况）。即便数据库字符集为AL32UTF8，XMLSERIALIZE也不会默认以UTF-8作为BLOB的输出编码，必须显式指定。

正确实现方式 #

在XMLSERIALIZE语句中通过ENCODING 'UTF-8'子句强制指定输出编码，就能直接生成UTF-8编码的BLOB，同时保证西里尔字符正常显示。

示例SQL

SELECT XMLSERIALIZE(
    CONTENT XMLTYPE('<root>Привет, мир!</root>') -- 替换为你的目标XML内容或XMLTYPE对象
    AS BLOB
    ENCODING 'UTF-8'
    VERSION '1.0' -- 可选，指定XML版本
    INDENT SIZE = 2 -- 可选，格式化XML缩进
) AS utf8_encoded_blob
FROM DUAL;

验证转换结果 #

可以通过以下语句将生成的BLOB转回字符串，确认西里尔字符是否正常：

SELECT UTL_RAW.CAST_TO_VARCHAR2(
    XMLSERIALIZE(
        CONTENT XMLTYPE('<root>Привет, мир!</root>')
        AS BLOB
        ENCODING 'UTF-8'
    )
) AS verified_utf8_string
FROM DUAL;

为什么CONVERT函数无效 #

CONVERT函数用于转换字符串的字符集，但如果XMLSERIALIZE生成BLOB时已经用错误编码写入，事后用CONVERT转换会导致二次编码错误。正确的做法是在序列化阶段就指定目标编码，从根源避免乱码。

额外注意事项 #

• 确保源XML数据的字符集正确：你的NLS_NCHAR_CHARACTERSET为AL16UTF16，NLS_CHARACTERSET为AL32UTF8，因此CHAR/VARCHAR2、NCHAR/NVARCHAR2类型的源数据都能被XMLTYPE正确解析。
• 若从表中生成XML，注意XMLTYPE构造时不要指定错误的编码参数。

内容的提问来源于stack exchange，提问作者Gontar