替换 T-SQL 中的 Unicode 字符

Posted 2023-02-24

【中文标题】替换 T-SQL 中的 Unicode 字符

【英文标题】：Replace Unicode characters in T-SQL

【发布时间】：2015-05-14 19:00:55

【问题描述】：

如何只替换字符串的最后一个字符：

select REPLACE('this is the news with a þ', 'þ', '__')

我得到的结果是：

__is is __e news wi__ a __

编辑 服务器和数据库的排序规则是Latin1_General_CI_AS

我正在运行的实际查询是REPLACE(note, 'þ', '')，其中note 是ntext 列。关键是要去掉刺字符，因为该字符稍后会在该过程中用作列分隔符。 （请不要建议更改分隔符，考虑到它的使用程度，这不会发生！）

我尝试使用 N 前缀，甚至使用 test select 语句，结果如下：

【问题讨论】：

我在 MS SQL 上运行了这个查询，结果为this is the news with a __

尝试选择 REPLACE(N'this is the news with a þ', 'þ', '__') -- 这不是答案，它只适用于 cmets

1) 您没有使用 Unicode，因为您没有在任何这些字符串前面加上大写 N。 2）你的数据库默认排序规则是什么？ 3）如果您运行以下命令，您将得到问题中显示的结果：SELECT REPLACE(N'this is the news with a þ', N'þ', N'__');

这取决于您当前数据库的排序规则 - 当我尝试它时，我得到 this is the news with a __

【参考方案1】：

þ 字符（扩展 ASCII 通过 ISO-8859-1 和 ANSI 代码页 1252 & UNICODE 值为 254）被称为“刺”，在某些语言中直接等同于 第：

此角色的技术信息：http://unicode-table.com/en/00FE/

此处对该字符和排序规则的解释：http://userguide.icu-project.org/collation/customization。在页面（通常是 Control-F）搜索“复杂剪裁示例”，您将看到以下内容：

字母 'þ' (THORN) 通常被 UCA/根排序规则视为一个单独的字母，在 'z' 之后具有初级排序。然而，在瑞典语和其他一些斯堪的纳维亚语言中，“þ”和“Þ”应被视为分别与字母“th”和“TH”的第三级差异。

如果您不希望 þ 等同于 th，则强制执行二进制排序规则，如下所示：

SELECT REPLACE(N'this is the news with a þ' COLLATE Latin1_General_100_BIN2,
                 N'þ', N'__');

返回：

this is the news with a __

---

有关使用排序规则、Unicode、编码等的更多信息，请访问：Collations Info

【讨论】：

ASCII 没有代码点 254 也没有 þ 字符。如果你去SELECT name, collation_name, COLLATIONPROPERTY(collation_name, N'CodePage') FROM master.sys.databases，如果你看到列出的代码页 20127（或 367），我会感到惊讶。

@TomBlodget 嗯，是的，严格来说，正确的 ASCII 只是 0 - 127。但实际上，这个字符在 8859-1 Latin1 / ANSI Code Page 1252 中是 254。

@TomBlodget 出于某种原因，我在 5 年后再次偶然发现了这一点，在重新阅读它时，我想我明白了你的观点。我认为之前我觉得“ASCII”单独是可以的，因为很多人都这么谈论它，但现在我觉得我不应该帮助延续这种滥用/过度简化。因此，我更新以澄清我的意思是扩展 ASCII 而不是标准 ASCII。

【参考方案2】：

这可能对你有用：

DECLARE @text NVARCHAR(1000) = N'this is the news with a þ';
DECLARE @find NVARCHAR(1000) = N'þ';
DECLARE @replace NVARCHAR(1000) = N'_';

SELECT REPLACE(CAST(@text AS VARCHAR), CAST(@find AS VARCHAR), CAST(@replace AS VARCHAR));

【讨论】：

仅供参考，您不应该在未指定长度的情况下使用可变长度数据类型。有两种不同的默认值 --1 或 30 -- 取决于使用的位置。