如何使用Pentaho ETL工具正确提取SQL Server的VarBinary(Max)数据？

直接提取VarBinary(max)二进制数据到文本文件会出现乱码/无效数据，因为二进制字节流无法直接被文本格式正确解析。你可以通过以下步骤实现原样提取（以可还原的文本格式保存）：

• 1. 用SQL显式转换二进制数据为可打印文本格式
  在Pentaho的Table Input组件中，不要直接读取原字段，而是用SQL将VarBinary(max)转换为十六进制或Base64字符串，这两种格式能完整保留二进制信息。

  • 转十六进制（带0x前缀）的SQL示例：

    SELECT CONVERT(VARCHAR(MAX), YourVarBinaryColumn, 1) AS EncodedBinary FROM YourTableName
    

  • 转Base64字符串（SQL Server 2016及以上可用）的SQL示例：

    SELECT 
      CAST(N'' AS XML).value(
        'xs:base64Binary(xs:hexBinary(sql:column("YourVarBinaryColumn")))', 
        'VARCHAR(MAX)'
      ) AS EncodedBinary 
    FROM YourTableName
    

• 2. 配置文本输出组件
  在Text File Output组件中，将转换后的EncodedBinary字段类型设为String，编码选择与SQL Server一致（如UTF-8），不要添加任何额外的格式化或转义规则，直接输出即可。

• 3. 还原二进制数据（如需）
  后续要将文本文件中的数据导回SQL Server时，用反向转换语句即可恢复原VarBinary数据：

  • 十六进制转回二进制：

    SELECT CONVERT(VARBINARY(MAX), EncodedBinary, 1) AS OriginalBinary FROM YourImportTable
    

  • Base64转回二进制：

    SELECT 
      CAST(N'' AS XML).value(
        'xs:hexBinary(xs:base64Binary(sql:column("EncodedBinary")))', 
        'VARBINARY(MAX)'
      ) AS OriginalBinary 
    FROM YourImportTable
    

内容的提问来源于stack exchange，提问作者user3625039