SQL Server编码问题：如何查询含无效字符的数据？

针对你的场景（Title列为nvarchar类型，排序规则Latin1_General_CI_AS，存在俄文等非Unicode字符），以下是几种可行的查询方案：

方案1：通过类型转换对比检测 #

利用varchar无法存储Unicode字符的特性，转换后内容会丢失原Unicode信息，通过对比原内容和转换后转回的内容，筛选出不一致的记录：

SELECT *
FROM YourTableName
WHERE Title <> CAST(CAST(Title AS VARCHAR(MAX)) AS NVARCHAR(MAX))

注意：如果Title列有固定长度（如nvarchar(200)），请将VARCHAR(MAX)替换为对应长度的VARCHAR(200)，避免不必要的性能损耗。

方案2：检测非ASCII字符 #

Latin1_General_CI_AS对应的字符集是单字节ASCII（0-255），Unicode字符的编码值超过255，可通过PATINDEX或逐字符检查筛选：

方法A：使用PATINDEX匹配非ASCII范围 #

SELECT *
FROM YourTableName
WHERE PATINDEX('%[^' + CHAR(0) + '-' + CHAR(255) + ']%', Title) > 0

方法B：逐字符检查Unicode编码（SQL Server 2016+） #

SELECT *
FROM YourTableName
WHERE EXISTS (
    SELECT 1
    FROM STRING_SPLIT(Title, '')
    WHERE UNICODE(value) > 255
)

若使用低于2016的SQL Server版本，可替换为递归CTE来拆分字符串逐字符检测。

方案3：利用排序规则差异检测 #

二进制排序规则（Latin1_General_BIN）会严格匹配字符编码，而Latin1_General_CI_AS可能将部分Unicode字符映射为相近ASCII字符，通过对比两种排序规则下的内容筛选异常记录：

SELECT *
FROM YourTableName
WHERE Title COLLATE Latin1_General_BIN <> Title COLLATE Latin1_General_CI_AS

内容的提问来源于stack exchange，提问作者Sam Salim