web-dev-qa-db-ja.com

SQL Serverを使用してvarchar列の非ASCII文字を検索します

SQL Serverを使用して非ASCII文字を含む行を返すにはどうすればよいですか？
1つの列に対してそれを行う方法を示すことができれば素晴らしいでしょう。

私は今このようなことをしていますが、うまくいきません

select *
from Staging.APARMRE1 as ar
where ar.Line like '%[^!-~ ]%'

追加のクレジットの場合スパンできる場合allテーブル内のvarchar列、それは傑出しています！このソリューションでは、3つの列を返すことができます。

  • そのレコードのIDフィールド。 （これにより、レコード全体を別のクエリでレビューできます。）
  • 列名
  • 無効な文字を含むテキスト
 Id | FieldName | InvalidText       |
----+-----------+-------------------+
 25 | LastName  | Solís             |
 56 | FirstName | François          |
100 | Address1  | 123 Ümlaut street |

無効な文字は、SPACE（3210）から~（12710）

sql-servertsqlsql-server-2005non-ascii-characters
50
Gerhard Weiss

次のようなものを試してください：

DECLARE @YourTable table (PK int, col1 varchar(20), col2 varchar(20), col3 varchar(20))
INSERT @YourTable VALUES (1, 'ok','ok','ok')
INSERT @YourTable VALUES (2, 'BA'+char(182)+'D','ok','ok')
INSERT @YourTable VALUES (3, 'ok',char(182)+'BAD','ok')
INSERT @YourTable VALUES (4, 'ok','ok','B'+char(182)+'AD')
INSERT @YourTable VALUES (5, char(182)+'BAD','ok',char(182)+'BAD')
INSERT @YourTable VALUES (6, 'BAD'+char(182),'B'+char(182)+'AD','BAD'+char(182)+char(182)+char(182))

--if you have a Numbers table use that, other wise make one using a CTE
;WITH AllNumbers AS
(   SELECT 1 AS Number
    UNION ALL
    SELECT Number+1
        FROM AllNumbers
        WHERE Number<1000
)
SELECT 
    pk, 'Col1' BadValueColumn, CONVERT(varchar(20),col1) AS BadValue --make the XYZ in convert(varchar(XYZ), ...) the largest value of col1, col2, col3
    FROM @YourTable           y
        INNER JOIN AllNumbers n ON n.Number <= LEN(y.col1)
    WHERE ASCII(SUBSTRING(y.col1, n.Number, 1))<32 OR ASCII(SUBSTRING(y.col1, n.Number, 1))>127
UNION
SELECT 
    pk, 'Col2' BadValueColumn, CONVERT(varchar(20),col2) AS BadValue --make the XYZ in convert(varchar(XYZ), ...) the largest value of col1, col2, col3
    FROM @YourTable           y
        INNER JOIN AllNumbers n ON n.Number <= LEN(y.col2)
    WHERE ASCII(SUBSTRING(y.col2, n.Number, 1))<32 OR ASCII(SUBSTRING(y.col2, n.Number, 1))>127
UNION
SELECT 
    pk, 'Col3' BadValueColumn, CONVERT(varchar(20),col3) AS BadValue --make the XYZ in convert(varchar(XYZ), ...) the largest value of col1, col2, col3
    FROM @YourTable           y
        INNER JOIN AllNumbers n ON n.Number <= LEN(y.col3)
    WHERE ASCII(SUBSTRING(y.col3, n.Number, 1))<32 OR ASCII(SUBSTRING(y.col3, n.Number, 1))>127
order by 1
OPTION (MAXRECURSION 1000)

出力：

pk          BadValueColumn BadValue
----------- -------------- --------------------
2           Col1           BA¶D
3           Col2           ¶BAD
4           Col3           B¶AD
5           Col1           ¶BAD
5           Col3           ¶BAD
6           Col1           BAD¶
6           Col2           B¶AD
6           Col3           BAD¶¶¶

(8 row(s) affected)
21
KM.

PATINDEXを使用した単一列検索のソリューションを次に示します。
StartPosition、InvalidCharacter、およびASCIIコードも表示されます。

select line,
  patindex('%[^ !-~]%' COLLATE Latin1_General_BIN,Line) as [Position],
  substring(line,patindex('%[^ !-~]%' COLLATE Latin1_General_BIN,Line),1) as [InvalidCharacter],
  ascii(substring(line,patindex('%[^ !-~]%' COLLATE Latin1_General_BIN,Line),1)) as [ASCIICode]
from  staging.APARMRE1
where patindex('%[^ !-~]%' COLLATE Latin1_General_BIN,Line) >0
70
Gerhard Weiss

このスクリプトは、1つの列で非ASCII文字を検索します。すべての有効な文字列、ここではコードポイント32〜127を生成します。次に、リストに一致しない行を検索します。

declare @str varchar(128)
declare @i int
set @str = ''
set @i = 32
while @i <= 127
    begin
    set @str = @str + '|' + char(@i)
    set @i = @i + 1
    end

select  col1
from    YourTable
where   col1 like '%[^' + @str + ']%' escape '|'
13
Andomar

私はこのコードを成功させてきました

declare @UnicodeData table (
     data nvarchar(500)
)
insert into 
    @UnicodeData
values 
    (N'Horse�')
    ,(N'Dog')
    ,(N'Cat')

select
    data
from
    @UnicodeData 
where
    data collate LATIN1_GENERAL_BIN != cast(data as varchar(max))

これは既知の列でうまく機能します。

追加のクレジットとして、特定のテーブル内のすべてのnvarchar列でUnicode文字を検索するこの簡単なスクリプトを作成しました。

declare 
    @sql    varchar(max)    = ''
    ,@table sysname         = 'mytable' -- enter your table here

;with ColumnData as (
    select
        RowId               = row_number() over (order by c.COLUMN_NAME)
        ,c.COLUMN_NAME
        ,ColumnName         = '[' + c.COLUMN_NAME + ']'
        ,TableName          = '[' + c.TABLE_SCHEMA + '].[' + c.TABLE_NAME + ']' 
    from
        INFORMATION_SCHEMA.COLUMNS c
    where
        c.DATA_TYPE         = 'nvarchar'
        and c.TABLE_NAME    = @table
)
select
    @sql = @sql + 'select FieldName = ''' + c.ColumnName + ''',         InvalidCharacter = [' + c.COLUMN_NAME + ']  from ' + c.TableName + ' where ' + c.ColumnName + ' collate LATIN1_GENERAL_BIN != cast(' + c.ColumnName + ' as varchar(max)) '  +  case when c.RowId <> (select max(RowId) from ColumnData) then  ' union all ' else '' end + char(13)
from
    ColumnData c

-- check
-- print @sql
exec (@sql)

私は動的SQLのファンではありませんが、このような探索的クエリの用途はあります。

12
Vash

いくつかの現実世界のデータでさまざまなソリューションを実行します-12M行のvarchar長〜30、約9kの危険な行、フルテキストインデックスなし、patIndexソリューションは最速で、ほとんどの行を選択します。

（事前にkmを実行し、キャッシュを既知の状態に設定し、3つのプロセスを実行し、最後にkmを再度実行しました-kmの最後の2回の実行は2秒以内に時間を与えました）

gerhard Weissによるpatindexソリューション-ランタイム0：38、9144行を返します

select dodgyColumn from myTable fcc
WHERE  patindex('%[^ !-~]%' COLLATE Latin1_General_BIN,dodgyColumn ) >0

mTによる部分文字列番号ソリューション。 -ランタイム1:16、返された8996行

select dodgyColumn from myTable fcc
INNER JOIN dbo.Numbers32k dn ON dn.number<(len(fcc.dodgyColumn ))
WHERE ASCII(SUBSTRING(fcc.dodgyColumn , dn.Number, 1))<32 
    OR ASCII(SUBSTRING(fcc.dodgyColumn , dn.Number, 1))>127

deon Robertsonによるudfソリューション-ランタイム3：47、7316行を返す

select dodgyColumn 
from myTable 
where dbo.udf_test_ContainsNonASCIIChars(dodgyColumn , 1) = 1
6
Andrew Hill

Webで使用可能なユーザー定義関数「Parse Alphanumeric」があります。 Google UDFは英数字を解析し、そのコードを見つける必要があります。このユーザー定義関数は、0〜9、a〜z、A〜Zの間に収まらないすべての文字を削除します。

Select * from Staging.APARMRE1 ar
where udf_parsealpha(ar.last_name) <> ar.last_name

無効な文字を含むlast_nameを含むレコードが返されます...ボーナスポイントの質問はもう少し難しいですが、caseステートメントで処理できると思います。これは少し擬似的なコードです。うまくいくかどうかはわかりません。

Select id, case when udf_parsealpha(ar.last_name) <> ar.last_name then 'last name'
when udf_parsealpha(ar.first_name) <> ar.first_name then 'first name'
when udf_parsealpha(ar.Address1) <> ar.last_name then 'Address1'
end, 
case when udf_parsealpha(ar.last_name) <> ar.last_name then ar.last_name
when udf_parsealpha(ar.first_name) <> ar.first_name then ar.first_name
when udf_parsealpha(ar.Address1) <> ar.last_name then ar.Address1
end
from Staging.APARMRE1 ar
where udf_parsealpha(ar.last_name) <> ar.last_name or
udf_parsealpha(ar.first_name) <> ar.first_name or
udf_parsealpha(ar.Address1) <> ar.last_name

私はこれをフォーラムのポストボックスに書きました...だから、それがそのまま機能するかどうかはわかりませんが、近いはずです。単一のレコードに無効な文字を含む2つのフィールドがある場合の動作についてはよくわかりません。

別の方法として、from句を単一のテーブルから離れて、次のようなサブクエリに変更できる必要があります。

select id,fieldname,value from (
Select id,'last_name' as 'fieldname', last_name as 'value'
from Staging.APARMRE1 ar
Union
Select id,'first_name' as 'fieldname', first_name as 'value'
from Staging.APARMRE1 ar
---(and repeat unions for each field)
)
where udf_parsealpha(value) <> value

ここでの利点は、ここでユニオンステートメントを拡張するだけでよいすべての列に対して、このスクリプトのcaseステートメントバージョンのすべての列に対してその比較を3回行う必要があることです。

3
Twelfth

どのフィールドに無効な文字があるかを見つけるには：

SELECT * FROM Staging.APARMRE1 FOR XML AUTO, TYPE

次のクエリでテストできます：

SELECT top 1 'char 31: '+char(31)+' (hex 0x1F)' field
from sysobjects
FOR XML AUTO, TYPE

結果は次のようになります。

メッセージ6841、レベル16、状態1、行3のFOR XMLは、XMLで許可されていない文字（0x001F）を含むため、ノード 'field'のデータをシリアル化できませんでした。 FOR XMLを使用してこのデータを取得するには、バイナリ、varbinary、またはimageデータ型に変換し、BINARY BASE64ディレクティブを使用します。

Xmlファイルを作成し、検証時に無効な文字のエラーを取得する場合に非常に便利です。

2
lynx_74

これは、拡張ASCII文字を持つ列を検出するために作成したUDFです。迅速で、チェックする文字セットを拡張できます。 2番目のパラメーターを使用すると、標準文字セット以外のチェックと拡張セットの許可を切り替えることができます。

create function [dbo].[udf_ContainsNonASCIIChars]
(
@string nvarchar(4000),
@checkExtendedCharset bit
)
returns bit
as
begin

    declare @pos int = 0;
    declare @char varchar(1);
    declare @return bit = 0;

    while @pos < len(@string)
    begin
        select @char = substring(@string, @pos, 1)
        if ascii(@char) < 32 or ascii(@char) > 126 
            begin
                if @checkExtendedCharset = 1
                    begin
                        if ascii(@char) not in (9,124,130,138,142,146,150,154,158,160,170,176,180,181,183,184,185,186,192,193,194,195,196,197,199,200,201,202,203,204,205,206,207,209,210,211,212,213,214,216,217,218,219,220,221,223,224,225,226,227,228,229,230,231,232,233,234,235,236,237,238,239,240,241,242,243,244,245,246,248,249,250,251,252,253,254,255)
                            begin
                                select @return = 1;
                                select @pos = (len(@string) + 1)
                            end
                        else
                            begin
                                select @pos = @pos + 1
                            end
                    end
                else
                    begin
                        select @return = 1;
                        select @pos = (len(@string) + 1)    
                    end
            end
        else
            begin
                select @pos = @pos + 1
            end
    end

    return @return;

end

使用法：

select Address1 
from PropertyFile_English
where udf_ContainsNonASCIIChars(Address1, 1) = 1
2
Deon Robertson