含波兰字符的XML文件SQL导入失败问题求助

问题根源 #

你的脚本中使用SINGLE_CLOB读取UTF-8 XML文件，SINGLE_CLOB会将文件内容按数据库默认代码页解析，而非UTF-8，导致波兰特殊字符（如ą、ę、ł、ń、ś、ć、ź、ż）被错误转换，最终插入时出现乱码或丢失。手动INSERT正常是因为直接传入了Unicode字符串，绕过了文件读取的编码问题。

解决方案 #

方案1：改用SINGLE_NCLOB读取文件（推荐）

SINGLE_NCLOB会直接以Unicode格式读取文件内容，返回NVARCHAR(MAX)类型，无需额外转换，完美保留UTF-8编码的特殊字符。修改脚本中读取XML的部分：

USE db_name

EXEC sp_configure 'show advanced options', 1;
RECONFIGURE;
EXEC sp_configure 'Ad Hoc Distributed Queries', 1;
RECONFIGURE;

DECLARE @xml NVARCHAR(MAX);

-- 替换SINGLE_CLOB为SINGLE_NCLOB，直接读取为Unicode
SELECT @xml = BulkColumn
FROM OPENROWSET(BULK 'path to xml file', SINGLE_NCLOB) AS x;

DECLARE @hDoc INT;

EXEC sp_xml_preparedocument @hDoc OUTPUT, @xml;

INSERT INTO mytable (column)
SELECT 
    z.column
FROM OPENXML(@hDoc, '/root/people/person', 2)
WITH (
    column NVARCHAR(50) 'column'  -- 确保此处节点名称与XML中实际节点一致
) AS z;

EXEC sp_xml_removedocument @hDoc;

方案2：指定UTF-8排序规则转换（适用于SQL Server 2019+）

如果因环境限制无法使用SINGLE_NCLOB，可以通过指定UTF-8排序规则，将SINGLE_CLOB读取的内容正确转换为Unicode：

SELECT @xml = CONVERT(NVARCHAR(MAX), BulkColumn COLLATE Latin1_General_100_CI_AS_SC_UTF8)
FROM OPENROWSET(BULK 'path to xml file', SINGLE_CLOB) AS x;

额外检查项 #

• 确认XML文件开头的编码声明正确：<?xml version="1.0" encoding="UTF-8"?>，sp_xml_preparedocument会依据此声明解析编码，但前提是文件内容未被错误转换。
• 确保目标表的字段类型确实为NVARCHAR（而非VARCHAR），避免插入时再次丢失Unicode信息。

内容的提问来源于stack exchange，提问作者user27952732