在SQL Server2000中处理半个汉字的问题

问：由于从其它数据库中导入的数据存在半个汉字的问题，所以希望能在查询语句中将这半个汉字处理掉，请问怎样才能解决这个问题？

答：“汉字是由两个字节存储的，每个字节的数值都>127。所以上面问题的解决方案就是：把字符串按字节顺序截取，当出现第一个字节是>127,但是后面一个字节是<127的这种情况，选择丢掉。

接下来，我们来明确技术细节：

(1) 在SQL Server中有很多字符串相关的操作函数，但是直接去操作包含了汉字的字符串，会有点问题。说明如下：LEN计算长度的时候，会把汉字和英文字符都看成长度一样的；substring也是这样，ascii是返回第一个字节的ASCII 码。

Example:

select len('你好a'),
substring('你好a',1,1),ascii('你')

结果是

-----------       ---- -       ----
3           你          196
 

一定要把字符串要转换成varbinary来处理，才可以。

(2) SQL Server中，如何把ASCII码组合成汉字，就是把高字节和底字节分别转成字符再拼接起来。如char(210)+char(166)就是姚这个汉字。

再明确了上面的技术细节后，接下来就可以解决问题了。我通过编写一个函数来解决问题。

create function fn_TruncSemiHanzi
(@str varchar(4000))

returns  varchar(8000)

as

begin

declare

@sTmp varchar(8000),@i int,
@itmp int,@itmp2 int ,@stmp2 varchar(2)

select @sTmp='

  select @i=1

  while @i<=len(@str)

  begin

     select @itmp=convert(int,substring
(convert(varbinary,substring(@str ,@i,1)),1,1))
 --截取一个字节

    if @itmp>127 

    begin

      --大于127检查后面一个字节

select @itmp2=convert(int,substring
(convert(varbinary,substring(@str ,@i,1)),2,1))

       if @itmp2>127

      begin

        select @stmp2=char(@itmp)+char(@itmp2) 
 --是一个完整的汉字

     end

     else

     begin

        select @stmp2=char(@itmp2)   --丢弃半个汉字

    end

  end

  else

  begin

      select @sTmp2=char(@itmp)

  end

   select @sTmp=@sTmp+@stmp2

   select @i=@i+1

  end

   return @stmp

end
 

测试如下：

DECLARE @str varchar(4000)

-- 设置参数值

-- 设置参数值

--带有半个汉字，是你这个汉字的前面一部分

select @str='b'+char(convert
(int,substring(convert(varbinary,'你'),1,1)))+'a你'

select @str  带有半个汉字,
dbo.fn_TruncSemiHanzi(@str) 去掉半个汉字

带有半个汉字   长度  去掉半个汉字   长度         

------------------ ----------- ----------

b腶你          3      ba你          3
 

我们还可以发现这样一个有趣的现象，由于我是截了半个汉字出来，结果你的前半个汉字的字符和后面一个英文字母a 组合，成了一个怪怪的字符腶。

总结:通过这个问题的解决，大家可以了解汉字在SQL Server2000中存储和处理的基本方法，像如何区分一个字符串中是否包含了汉字，和分离字符串中中文和英文都可以套用本文中方法。

本文中测试的环境是Win2000 Server(中文)+SQL Server 2000(中文)，英文环境下没有测试，如有问题，欢迎大家指正。