今天遇到一个问题，从teradata数据库，用java读取汉字的时候，如果是生僻字，就读不出来，显示为乱码和问号。
刚开始以为是客户端字体的问题，但是调整了半天，也没有什么用。后来以为是客户端解码的问题，尝试将gbk转换成utf-8，也没有解决问题。后来只好将数据表的字段改为unicode编码，才解决了问题。但是，仍然觉得这样的解决方案实在不够完美，对于数据库、jdbc、客户端之间的数据传输机制并没有理清楚。
思考了一下，从根本原理上来梳理数据库、jdbc、java客户端三者关系，终于搞明白了。
在理解这个关系之前，要有一点关于汉字编码的基础知识。
汉字的数量很多，包括常用字和生僻字。其中常用字，以前使用gb2312字符集来表示；生僻的汉字在gb2312里是没有登记的，这些汉字被收录到gbk字符集了。有了这个基础知识，后面的分析就好理解了 。
首先，数据库负责如实的记录客户打算存储的数据。如果客户将字段A的字符集设置为ascii,然后往这个字段里存入了汉字，而且是生僻的汉字。假如你使用某种工具，能够正常显示数据表中的生僻汉字，这就说明，这些汉字采用了gbk编码。（我用teradata sql assistant的确可以查出数据库中的生僻汉字，而且显示正常）
其次，如果我们用jdbc driver去读数据库，发生了什么事情呢？在连接数据库的时候，jdbc url里要写清楚，本次连接数据库，打算按什么字符集去解释数据库中的内容。像以上情况，数据库按ascii存放中文，那么jdbcurl里就要按charset=ascii去写，否则肯定就不一致。
其三，jdbc driver帮忙把数据从数据库里读出之后，还会重新组装成java string给程序，方便程序处理。问题其实出在这里。因为这里的组装，我们是不清楚的，是jdbc自己处理的，是个黑箱。但是我们可以猜一下。如果生僻字在数据库存储正常，用专用客户端查询显示正常，用jdbcdriver连接后查询，显示为”？”。很大的可能就是生僻字在数据库端采用gbk编码，到了客户端，按gb2312编码进行映射，结果生僻字映射不到，就会显示为”?”
其四，观察了一下jdbcurl的构成，其中果然有一个client_charset的属性被设置了，设置值为euc_CN。经查询，这个就是gb2312的另外一个名字。如果把euc_CN改为gbk，问题就解决了。生僻汉字被正确映射了，使用jdbc也能正确查询生僻汉字了。
