在SQL Server中存储UTF-16/Unicode数据

Question

根据这个,SQL Server的2K5使用UCS-2的内部.它可以在UCS-2中存储UTF-16数据(具有适当的数据类型,nchar等),但是如果存在补充字符,则将其存储为2个UCS-2字符.

这带来了字符串函数的明显问题,即SQL Server将一个字符视为2.

我有点惊讶的是,SQL Server基本上只能处理UCS-2,甚至更多,因此SQL 2K8中没有修复它.我很欣赏其中一些角色可能并不常见.

除了本文中建议的功能之外,还有关于在SQL Server 2K5中处理(损坏的)字符串函数和UTF-16数据的最佳方法的任何建议.

Answer 1

SQL Server 2012现在支持UTF-16,包括代理对.请参阅http://msdn.microsoft.com/en-us/library/ms143726(v=sql.110).aspx,尤其是"补充字符"部分.

因此,对原始问题的一个修复是采用SQL Server 2012.

Answer 2

字符串函数可以很好地处理 unicode 字符串；关心字符数的人将两字节字符视为单个字符，而不是两个字符。唯一需要注意的是 len() 和 datalength()，它们在使用 unicode 时返回不同的值。当然，它们返回正确的值 - len() 返回以字符为单位的长度，而 datalength() 返回以字节为单位的长度。它们只是由于两字节字符而恰好不同。

因此，只要您在代码中使用正确的函数，一切都应该透明地工作。

编辑：刚刚仔细检查过联机丛书，自 SQL Server 2000 以来，unicode 数据就可以与字符串函数完美配合。

编辑2：正如评论中所指出的，SQL Server的字符串函数不支持完整的Unicode字符集，因为缺乏对解析平面0之外的代理的支持（或者，换句话说，SQL Server的字符串函数最多只能识别2个）每个字符的字节数。）SQL Server 将正确存储和返回数据，但是任何依赖于字符计数的字符串函数都不会返回预期值。绕过此问题的最常见方法似乎是在 SQL Server 外部处理字符串，或者使用 CLR 集成添加 Unicode 感知字符串处理函数。