Snowflake使用PUT上传含特殊字符CSV时UTF-8编码异常问题解决咨询

从你给出的错误信息里的0xFF0xFE字节序列可以判断，你的CSV文件是UTF-16 LE编码（带字节顺序标记BOM），而Snowflake默认的文件格式使用UTF-8编码解析，这就是导致UTF-8验证错误、特殊字符丢失和出现意外空格的核心原因。

解决方案：修改文件格式指定正确编码 #

你只需要在文件格式中明确指定编码为UTF16，Snowflake会自动识别UTF16的BOM并正确解析文件内容：

CREATE OR REPLACE FILE FORMAT demo_file_format 
TYPE = 'CSV' 
FIELD_DELIMITER = ',' 
ENCODING = 'UTF16';

验证查询 #

用修改后的文件格式查询阶段内容：

SELECT C.$1 FROM @demo_stage (file_format => 'demo_file_format') C;

这样就能正确读取包含特殊字符（比如Compañía里的ñ）的字段，不会出现乱码和多余空格。

为什么之前的方法无效？ #

• 当你设置VALIDATE_UTF8 = FALSE时，Snowflake会跳过UTF-8格式校验，但它仍然以UTF-8的方式解析文件。由于UTF16每个字符占用2个字节（比如字母C在UTF16LE中是0x43 0x00），解析时会把第二个空字节当成独立的UTF-8字符，表现为空格；而像ñ这类特殊字符的UTF16字节序列在UTF-8中是无效的，所以会显示为�。

内容的提问来源于stack exchange，提问作者Devom