sql-server - LIKE 忽略魔法 Unicode 字符

Question

SQL Server 2008 R2

 create table #test (c1 nvarchar(5) not null)

  insert into #test values 
  (N'aaa'),
  (nchar(65533)),
  (N'bbb')

  select * from #test where c1 like N'%�%'
  select * from #test where c1 like N'%'+nchar(65533)+N'%'

结果是

c1
----
aaa
�
bbb

为什么？我还没有在 MSDN 中找到关于这个案例的任何说明。

Answer 1

该字符(以及许多其他字符，取决于所使用的排序规则版本)恰好没有定义排序权重。它实际上什么都不是。因此，无论您有 1 个还是 100 个实例，它对二进制排序规则以外的任何东西都是不可见的。意思是，以下WHERE谓词:

LIKE N'%' +  NCHAR(0xFFFD) + N'%'

LIKE N'%' +  NCHAR(0xFFFD) +  NCHAR(0xFFFD) + N'%'

LIKE N'%' +  NCHAR(0xFFFD) +  NCHAR(0xFFFD) +  NCHAR(0xFFFD) + N'%'

等等，都等价于以下内容:

LIKE N'%%'

这就是为什么您返回所有 3 行的原因。

这并不意味着这个字符应该没有排序权重。它实际上在 Unicode 中被定义为具有权重，但出于某种原因，微软留下了相当多的字符根本没有任何排序权重(尽管每一个新的排序规则版本，缺少排序权重的字符总数都在减少，最新的是版本 140 排序规则，随 SQL Server 2017 一起提供，仅适用于日语排序规则)。

对于没有排序权重的任何字符，匹配它的唯一方法是使用二进制排序规则。二进制排序规则是以 _BIN 结尾的排序规则或 _BIN2 ，但只能使用 _BIN2排序规则，因为它们排序正确，而较旧的 _BIN校对没有。例如:

SELECT * FROM #test WHERE c1 LIKE N'%�%' COLLATE Latin1_General_100_BIN2;

返回:

c1
----
�

另外，我使用以下内容进行了测试，它们返回了所有 3 行:

Latin1_General_CS_AS_KS_WS

Latin1_General_100_CS_AS_KS_WS_SC

所以，以下应该是好的:

Latin1_General_BIN2

拉丁语1_General_100_BIN2

此外，最好使用可用于您尝试使用的排序规则的最高排序规则版本。例如，使用 Latin1_General_100_*而不是 Latin1_General_* ， 等等。使用以下查询查找您的实例上可用的排序规则:

SELECT col.*
FROM   sys.fn_helpcollations() col
ORDER BY col.[name];