SSIS导入带重音拉丁字符的UTF-8 CSV时的代码页报错与乱码问题问询

可以在满足“平面文件源按CP 1252配置”要求的前提下实现零乱码的字符导入，当前问题的核心是对SSIS元数据匹配逻辑的认知偏差，并非数据库本身不支持目标字符的存储。

• 对DT_STR与DT_WSTR类型的编码绑定规则误解：SSIS中DT_STR（单字节字符串）会严格绑定连接管理器设置的代码页，而DT_WSTR（Unicode字符串）不受单字节代码页规则约束；之前尝试把源列改成Unicode类型但无法更新目标属性，本质是SSIS的元数据缓存机制对已建立的管道映射做了类型锁定，不会实时同步上游的类型修改，不是SSIS不允许调整。
• 对校验报错的根因误判：报错中提到的无效代码页65002，是SSIS历史版本对UTF-8代码页的识别兼容bug——DT_STR类型原生不支持稳定映射代码页65001（UTF-8），硬给DT_STR列设置UTF-8代码页就会触发这个校验错误，并非文件本身真的配置了错误的代码页。
• 编码转换逻辑错位：之前直接把平面文件源的代码页改成1252后出现乱码，是因为SSIS会直接按照1252单字节规则，把实际是UTF-8编码的多字节字符流拆分解码，自然会把ã、ó这类多字节的重音拉丁字符解析成错位的乱码，这不是SSIS的导入功能故障，是解析规则和实际文件编码不匹配导致的。

基础连接配置 #

• 打开平面文件连接管理器设置，把文件代码页明确设置为1252，先满足校验通过的前置条件，符合“平面文件源按CP1252配置”的约束。

分步调整操作 #

1. 调整平面文件源的输出列类型
   • 选中平面文件源组件，打开输出列属性面板，把所有字符串类型的输出列，从默认的DT_STR手动修改为DT_WSTR，长度按照业务实际的最长值设置，不要使用系统自动推断的过短长度。这一步完成后，列的编码属性会切换为Unicode内存存储模式，不再受1252代码页的单字节解析规则限制，从根源避免把UTF-8字节流按1252拆分解码的问题。
2. 重置下游目标的管道映射
   • 删掉平面文件源到OLE DB目标之间已经存在的连接管道，不要尝试在原有映射关系上直接更新类型——SSIS的元数据缓存会锁定旧的列类型规则，导致无法手动调整。
   • 重新配置OLE DB目标组件的数据库连接，手动匹配上游DT_WSTR类型列和目标表的列映射。这时候SSIS会自动把上游传入的Unicode字符串值，按照目标表Latin1_General_CI_AS排序规则对应的1252代码页做隐式转换写入，不需要手动修改目标组件的类型推断属性。
3. 导入结果校验
   • 导入完成后抽查样本值，比如你提到的JOÃO ANTÓNIO这类包含重音拉丁字符的内容：因为DT_WSTR是全量Unicode内存存储，不会出现字节拆分解码的问题，写入数据库时的字符映射也完全匹配1252代码页的字符表（ã、ó、é这类字符本身就包含在1252的可映射字符集中），不会出现JOAO ANTÓNIO的乱码问题。

注意：不要在OLE DB目标端手动把列类型改回DT_STR，否则会再次触发代码页不匹配的校验错误。SSIS在处理DT_WSTR类型到非Unicode数据库字段的写入时，会自动按照目标连接的代码规则做转换，不需要手动干预类型匹配。

内容的提问来源于stack exchange，提问作者R. M.