Início / dba / Perguntas / 100643
Accepted
Saeed Neamati
Asked: 2015-05-06 02:03:24 +0800 CST

Por que esses caracteres são todos iguais no SQL Server?

  • 772

Eu simplesmente não entendo. Veja esta consulta SQL:

select nchar(65217) -- ﻁ
select nchar(65218) -- ﻂ
select nchar(65219) -- ﻃ
select nchar(65220) -- ﻄ
if nchar(65217) = nchar(65218)
    print 'equal'
if nchar(65217) = nchar(65219)
    print 'equal'
if nchar(65217) = nchar(65220)
    print 'equal'

Com base na relação transitiva , significa que o SQL Server considera todos eles como o mesmo caractere.

No entanto, em outros ambientes, digamos, por exemplo, C#, eles não são os mesmos.

O que estou confuso é:

  1. Como funciona a comparação de strings no SQL Server
  2. Por que a comparação não se comporta da mesma forma em uma máquina e em uma plataforma, mas em ambientes diferentes
  3. Esses 4 caracteres representam um personagem compreensível para humanos. Por que eles são tão abundantes no mapa de caracteres Unicode?

É claro que isso resulta em problemas tremendos, porque estou trabalhando em um aplicativo de processamento de texto e os dados vêm de quase todos os lugares e preciso normalizar o texto antes de processá-lo.

Se eu souber o motivo da diferença, posso encontrar uma solução para lidar com isso. Obrigada.

sql-server unicode

2 respostas

  1. Best Answer

    Todos os dados de caracteres no SQL Server são associados a um agrupamento, que determina o domínio de caracteres que podem ser armazenados, bem como as regras usadas para comparar e classificar os dados. O agrupamento se aplica a dados Unicode e não Unicode.

    O SQL Server inclui 3 categorias amplas de agrupamentos: binário, herdado e Windows. Os agrupamentos na categoria binária ( _BINsufixo) usam os pontos de código subjacentes para comparar, de modo que as comparações de igualdade retornem diferentes se os pontos de código forem diferentes, independentemente do caractere. Os agrupamentos herdados ( SQL_prefixo) e do Windows fornecem semântica de classificação e comparação para as regras de dicionário mais naturais. Isso permite comparações para considerar maiúsculas e minúsculas, acentos, largura e Kana. Os agrupamentos do Windows fornecem regras mais robustas word-sortque se alinham estreitamente com o sistema operacional Windows, enquanto os agrupamentos herdados consideram apenas caracteres únicos.

    O exemplo abaixo ilustra as diferenças entre o Windows e o agrupamento binário com o caractere Teth:

    CREATE TABLE dbo.WindowsColationExample
    (
      Character1 nchar(1) COLLATE Arabic_100_CI_AS_SC
    , Character2 nchar(1) COLLATE Arabic_100_CI_AS_SC
    , Character3 nchar(1) COLLATE Arabic_100_CI_AS_SC
    , Character4 nchar(1) COLLATE Arabic_100_CI_AS_SC
    );

CREATE TABLE dbo.BinaryColationExample
    (
      Character1 nchar(1) COLLATE Arabic_100_BIN
    , Character2 nchar(1) COLLATE Arabic_100_BIN
    , Character3 nchar(1) COLLATE Arabic_100_BIN
    , Character4 nchar(1) COLLATE Arabic_100_BIN
    );

INSERT  INTO dbo.BinaryColationExample
VALUES  ( NCHAR(65217), NCHAR(65218), NCHAR(65219), NCHAR(65220) );
INSERT  INTO dbo.WindowsColationExample
VALUES  ( NCHAR(65217), NCHAR(65218), NCHAR(65219), NCHAR(65220) );

--all characters compare not equal
SELECT *
FROM dbo.BinaryColationExample
WHERE
    character1 = character2
    OR character1 = character3
    OR character1 = character4
    OR character2 = character3
    OR character2 = character4
    OR character3 = character4;

--all characters compare equal
SELECT *
FROM dbo.WindowsColationExample
WHERE character1 = character2;
SELECT *
FROM dbo.WindowsColationExample
WHERE character1 = character3;
SELECT *
FROM dbo.WindowsColationExample
WHERE character1 = character4;
SELECT *
FROM dbo.WindowsColationExample
WHERE character2 = character3;
SELECT *
FROM dbo.WindowsColationExample
WHERE character2 = character4;
SELECT *
FROM dbo.WindowsColationExample
WHERE character3 = character4;

    Os motivos pelos quais o Unicode pode conter diferentes pontos de código para glifos idênticos são descritos em http://en.wikipedia.org/wiki/Duplicate_characters_in_Unicode . Resumindo, pode ser para compatibilidade herdada ou os personagens não são canonicamente equivalentes. Observe que o caractere Teth ﻁé usado em diferentes idiomas ( http://en.wikipedia.org/wiki/Teth ).

    • 29

  2. Isso tem algo a ver com o COLLATIONseu banco de dados ( mais informações em BOL ).

    Não tenho certeza do idioma do caractere específico com o qual você está tendo problemas (suponho que persa com base neste tópico), mas se você especificar o agrupamento correto no operador de igualdade, obterá resultados precisos.

    if nchar(65217) COLLATE Persian_100_BIN = nchar(65218) COLLATE Persian_100_BIN 
    print 'equal'; -- nothing returned
if nchar(65217)  COLLATE Persian_100_BIN  = nchar(65217)  COLLATE Persian_100_BIN 
    print 'equal'; -- prints 'equal'
if nchar(65217) COLLATE Latin1_General_CI_AI = nchar(65220) COLLATE Latin1_General_CI_AI
    print 'equal'; -- prints 'equal'
    • 15

relate perguntas