Ontem comentei o meu problema com charset entre Oracle e uma aplicação web que estou fazendo. O problema era o seguinte: ao preencher campos de texto de um formulário com caracteres acentuados, os mesmos eram inseridos como se fossem dois caracteres de interrogação (??).

Essa aplicação tem como pré-requisito o uso de UTF-8, pois é feita com o framework Ruby on Rails. Minhas buscas pelo Google tinham me colocado apenas em uma direção: modificar o charset do banco de dados a partir de um penoso procedimento de backup/restore. Mas, conversando com o meu colega de trabalho Luiz (que não tem blog, infelizmente) descobri que ele já havia tido o mesmo problema antes e a solução, aparentemente, era bem mais simples (e mágica).

O Rails interage com o Oracle por intermédio da biblioteca Ruby oci8. A solução mágica consiste em definir a variável de ambiente NLS_LANG com o valor BRAZILIAN PORTUGUESE_BRAZIL.UTF8 antes que o código da biblioteca seja carregado. Mais informações oficiais sobre a variável aqui e aqui.

De acordo com a documentação oficial, essa variável não especifica apenas 1, mas 3 valores: LINGUAGEM_TERRITÓRIO.CHARSET. No meu caso, portanto, foram especificados:

• LINGUAGEM: BRAZILIAN PORTUGUESE
• TERRITÓRIO: BRAZIL
• CHARSET: UTF8

Note que, para a minha aplicação web, apenas o CHARSET é relevante. Até onde li na documentação, LINGUAGEM e TERRITÓRIO servem mais para indicar ao Oracle como ele deve exibir mensagens de erro ou formatar datas para apresentação. CHARSET parece indicar ao Oracle que faça uma conversão entre o charset real do banco de dados e o valor do charset especificado em NLS_LANG no momento da leitura de dados. Portanto, os dados continuam sendo armazenados com o charset original, mas quando o Rails solicita esses dados a partir da biblioteca oci8, o Oracle os converte para UTF-8 (neste caso) e depois os entrega. Essa parece ser uma boa explicação para o correto funcionamento da aplicação após a definição dessa variável, mas o problema que relato ao fim do artigo mostra que, na prática, a teoria é outra.

Testei duas maneiras de definir essa variável. A primeira é colocar a seguinte linha no arquivo ~/.bashrc do usuário no qual o servidor de aplicação roda:

export NLS_LANG='BRAZILIAN PORTUGUESE_BRAZIL.UTF8'

Mas acho mais interessante embutir essa declaração dentro do próprio código da aplicação. Não sei qual o local mais apropriado para isso, mas inserir esta linha no início do arquivo config/environment.rb funcionou:

ENV['NLS_LANG']='BRAZILIAN PORTUGUESE_BRAZIL.UTF8'

Essa solução resolveu o problema completamente? Não. Para textos inseridos a partir da aplicação web, caracteres acentuados são gravados no banco de dados e lidos da forma correta (não são substituídos por um ou dois sinais de interrogação). Mas essa solução estava simples demais para ser verdade, certo?

Como estou desenvolvendo a aplicação web sobre um banco de dados já existente, e que já possui dados, rodei o servidor de aplicação em modo de produção para ver se os dados já existentes eram apresentados corretamente também. Resultado: problemas de acentuação novamente. Os caracteres acentuados lidos do banco de dados são trocados por pontos de interrogação.