SQL Server中DATALENGTH对多字节字符返回1字节，应使用何替代函数？

问题根源 #

你遇到的差异核心是字符编码与字符串类型的匹配逻辑不同：

• Oracle的LENGTHB、PostgreSQL的OCTET_LENGTH默认返回字符在UTF-8编码下的字节数（“和”在UTF-8中占3字节）。
• SQL Server的DATALENGTH()确实返回值的实际存储字节数，但你的测试场景存在两个关键问题：
  1. 未加N前缀的字符串常量默认是varchar类型，会使用数据库默认字符集编码。若数据库用单字节字符集（如SQL_Latin1_General_CP1_CI_AS），“和”这类非ASCII字符会被替换为单字节占位符（如?），因此DATALENGTH('和')返回1。
  2. 即使使用GBK这类多字节非UTF-8字符集，“和”仅占2字节，DATALENGTH('和')也只会返回2，与UTF-8的3字节结果不符。

解决方法 #

根据你的需求选择对应方案：

1. 获取UTF-8编码下的字节数（匹配Oracle/PostgreSQL结果） #

如果你的SQL Server版本是2019及以上（支持UTF-8字符集）：

• 直接将数据库或目标列的collation设置为UTF-8类型（如Chinese_Simplified_UTF8_CI_AS），此时DATALENGTH('和')会直接返回3。
• 无需修改数据库设置的话，可临时转换编码：

  SELECT DATALENGTH(CONVERT(VARCHAR(MAX), '和') COLLATE Chinese_Simplified_UTF8_CI_AS)
  

2. 获取Unicode（UTF-16）编码下的字节数 #

SQL Server默认Unicode类型为nvarchar，大部分常用汉字占2字节，只需给字符串加N前缀：

SELECT DATALENGTH(N'和') -- 返回2

3. 兼容旧版本的通用方案 #

若使用SQL Server 2019之前的版本，可自定义函数计算UTF-8字节数：

CREATE FUNCTION dbo.UTF8ByteCount(@str NVARCHAR(MAX))
RETURNS INT
AS
BEGIN
    DECLARE @count INT = 0
    DECLARE @i INT = 1
    WHILE @i <= LEN(@str)
    BEGIN
        DECLARE @code INT = UNICODE(SUBSTRING(@str, @i, 1))
        IF @code <= 0x7F
            SET @count += 1
        ELSE IF @code <= 0x7FF
            SET @count += 2
        ELSE IF @code <= 0xFFFF
            SET @count += 3
        ELSE
            SET @count += 4
        SET @i += 1
    END
    RETURN @count
END

调用方式：

SELECT dbo.UTF8ByteCount('和') -- 返回3

内容的提问来源于stack exchange，提问作者drk