SQL Server中Blob转HEX后乱码，如何转换为有效数据？

我不确定当前处理项目的方式是否正确。我有一个SQL Server数据库，其中存储着图像的注释数据，该数据以Blob数据类型保存。

我首先尝试使用SELECT语句将Blob转换为文本：

SELECT CONVERT(varchar(max), CONVERT(varbinary(max), blob_column))    
FROM table

随后我使用在线工具将其从HEX转换为ASCII，虽然得到了一些数据，但大部分转换后的文本是乱码（下方为Notepad++中的截图）。

能否将这些乱码转换为有用的数据？有没有其他可行的处理方法？

提供的二进制代码 #

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

1. 修正编码转换方式 #

乱码核心原因是编码不匹配：你当前用varchar(max)转换默认采用Latin1编码，但Blob中的文本是UTF-16（双字节Unicode）格式。改用nvarchar(max)直接转换即可提取有效文本：

SELECT CONVERT(nvarchar(max), CONVERT(varbinary(max), blob_column))
FROM table

比如你提供的二进制中610064006100片段，用nvarchar转换后会得到正确的ada。

2. 解析结构化Blob数据 #

从二进制内容看，这不是纯文本Blob，而是带元数据的结构化格式：

• 以FFFF作为数据块分隔标记
• 每个数据块前4字节是文本长度（小端序整数），后续是UTF-16编码的注释文本，剩余部分为其他元数据（如坐标、时间戳）

手动提取有效文本的步骤：

1. 按FFFF拆分二进制串
2. 取每个分段的第5-8字节解析为文本长度（比如第一个分段的0E000000对应14字节）
3. 提取对应长度的后续字节，用UTF-16编码解码即可得到注释：
   • 第一个分段提取后得到Active Damage
   • 其他分段依次可得到Nevus(Nevi)、R/O Neoplasm of uncertain behavior、Mild Acne等有效内容

3. 批量解析的程序实现 #

如果有大量这类Blob，建议用代码批量解析：

C#示例

using (var reader = new BinaryReader(new MemoryStream(blobBytes)))
{
    int blockCount = reader.ReadInt32();
    for (int i = 0; i < blockCount; i++)
    {
        // 跳过固定长度的头信息
        reader.ReadBytes(12);
        int textLength = reader.ReadInt32();
        // 读取UTF-16注释文本
        string annotation = reader.ReadString(textLength / 2);
        // 跳过元数据直到FFFF标记
        while (reader.ReadUInt16() != 0xFFFF);
        Console.WriteLine(annotation);
    }
}

Python示例

import struct

# 去掉二进制串开头的0x，转成字节数组
blob_bytes = bytes.fromhex(your_hex_string[2:])
offset = 0

# 读取数据块总数
block_count = struct.unpack('<I', blob_bytes[offset:offset+4])[0]
offset +=4

for _ in range(block_count):
    # 跳过12字节头信息
    offset +=12
    # 读取文本长度
    text_len = struct.unpack('<I', blob_bytes[offset:offset+4])[0]
    offset +=4
    # 解码UTF-16文本
    annotation = blob_bytes[offset:offset+text_len].decode('utf-16-le')
    offset += text_len
    # 跳过到FFFF标记
    while struct.unpack('<H', blob_bytes[offset:offset+2])[0] != 0xFFFF:
        offset +=2
    offset +=2
    print(annotation)

4. 反向推导存储逻辑 #

如果能找到写入该Blob的原始程序（大概率是医学图像标注类工具），可以直接匹配其存储规则，使用对应工具或库解析会更高效。

内容的提问来源于stack exchange，提问作者Peter Sun