補足のユニコード文字シマリスにOracleがJavaとは異なるバイト長を使用するのはなぜですか？

JavaコードでUTF-8文字列をOracle（11.2.0.4.0）列のサイズにトリミングすると、JavaとOracleは文字列を異なるバイト長として認識するため、エラーが発生します。NLS_CHARACTERSETOracleのパラメーターが「UTF8」であることを確認しました。

ユニコードシマリス絵文字を使用して、以下の問題を説明するテストを書きました（🐿️）

public void test() throws UnsupportedEncodingException, SQLException {
    String squirrel = "\uD83D\uDC3F\uFE0F";
    int squirrelByteLength = squirrel.getBytes("UTF-8").length; //this is 7
    Connection connection = dataSource.getConnection();

    connection.prepareStatement("drop table temp").execute();

    connection.prepareStatement("create table temp (foo varchar2(" + String.valueOf(squirrelByteLength) + "))").execute();

    PreparedStatement statement = connection.prepareStatement("insert into temp (foo) values (?)");
    statement.setString(1, squirrel);
    statement.executeUpdate();
}

これはテストの最後の行で失敗し、次のメッセージが表示されます。

ORA-12899：列
"MYSCHEMA"。 "TEMP"。 "FOO"の値が大きすぎます（実際：9、最大：7）

の設定はNLS_LENGTH_SEMANTICSですBYTE。残念ながら、これはレガシーシステムなので変更できません。列サイズの増加には興味がなく、文字列のOracleサイズを確実に予測できます。

以下は私の推測です。

Java Stringは内部的にUTF-16エンコーディングを使用して表されます。いつgetBytes("UTF-8")のJava 2つの符号化方式との間の変換、およびあなたはおそらく、最新のJavaプラットフォームを使用します。

Java Stringをデータベースに格納しようとすると、Oracleは、JavaネイティブUTF-16とデータベースの文字セットとの間の変換も実行しますNLS_CHARACTERSET。

シマリス文字は、リンクしたページに従って2014年にUnicode標準の一部として承認されましたが、Oracle 11g rel.2の最新リリースは2013年に公開されました。

Oracleが異なるまたは古い文字変換アルゴリズムを使用しているため、サーバー（長さ9バイト）の🐿️）のバイト表現がgetBytes()クライアントで返されるもの（7バイト）とは異なると想定する人もいます。

この問題を解決するには、Oracleサーバーをアップグレードするか、データベースの文字セットとしてUTF-16を使用できます。

問題は、がである場合のOracleの補足Unicode文字の処理にNLS_LENGTH_SEMANTICSありUTF8ます。

ドキュメントから（強調を追加）。

UTF8文字セットは、文字を1、2、または3バイトでエンコードします。ASCIIベースのプラットフォーム用です。

UTF8データベースに挿入された補足文字は、データベース内のデータを破損しません。補助文字は、6バイトを占める2つの個別のユーザー定義文字として扱われます。データベースキャラクタセットの補助文字を完全にサポートするには、AL32UTF8に切り替えることをお勧めします。

さらに、リス文字列の最後のコードポイントはバリエーションセレクターであり、オプションです。私はこれをユニコード文字インスペクターを使って見ました

データベースのNLS_CHARACTERSETパラメータを変更しAL32UTF8てテストに合格した後。