sql-server - 未排序的 Unicode (UTF-16) 数据如何存储在 varchar 列中？

Question

这纯粹是理论问题，需要我思考

假设我有 Unicode cyclone (🌀 1F300) 符号。如果我尝试将它存储在具有默认 Latin1_General_CI_AS 排序规则的 varchar 列中，旋风符号不能不适合 varchar 中每个符号使用的一个字节>...

我可以看到的方式:

1. 就像 javascript 对基本平面 ( BMP ) 之外的符号所做的那样，它将它们存储为 2 个符号(代理对)，然后需要对 put them back together 进行额外处理...
2. 只需截断符号，存储第一个字节并删除第二个字节....(数据是 toast - 你应该阅读手册....)
3. 数据被销毁，没有任何用处被保存...(数据完蛋了——你应该读过手册....)
4. 超出我心智能力的其他一些选择.....

插入几个不同的 unicode 符号后我做了一些研究

 INSERT INTO [Table] (Field1)
 VALUES ('👽')

 INSERT INTO [Table] (Field1)
 VALUES ('🌀')

然后将它们作为字节读取 SELECT cast (field1 as varbinary(10)) 在这两种情况下我都得到了 0x3F3F。

ascii 中的

3F 是 ? ( question mark ) 例如两个问号 (??)我还看到，在执行正常的 select * 时，这是否意味着数据是 toast ，甚至没有存储第一口？

未排序的 Unicode 数据如何存储在 varchar 列中？

Answer 1

数据是 toast，正是你所看到的，2 x 0x3F 字节。这发生在插入之前的类型转换期间，并且实际上与 cast('👽' as varbinary(2)) 相同，后者也是 0xF3F3(与转换 N'👽' 相反)。

When Unicode data must be inserted into non-Unicode columns, the columns are internally converted from Unicode by using the WideCharToMultiByte API and the code page associated with the collation. If a character cannot be represented on the given code page, the character is replaced by a question mark (?) Ref.