SQL Server数据迁移至PostgreSQL出错的解释以及解决方案

页面导航:首页 > 数据库 > PostgreSQL > SQL Server数据迁移至PostgreSQL出错的解释以及解决方案

SQL Server数据迁移至PostgreSQL出错的解释以及解决方案

来源:互联网 作者:脚本宝典 时间:2015-06-30 13:40 【

问题重现:1、PG客户端:?1234postgres=#createtabletext_test(idint,infotext);CREATETABLEpostgres=#insertintotext_testvalues(1,E\0x00);ERROR:invalidbytesequenceforencodingUTF8:0x002、SQLServer产生数据?123createtabletest_varchar(id
问题重现:
1、PG客户端:
?
1234    postgres=# create table text_test (id int,info text);CREATE TABLEpostgres=# insert into text_test values (1,E'\0x00');ERROR: invalid byte sequence for encoding "UTF8": 0x00    
2、SQL Server产生数据
?
123    create table test_varchar(id int,name varchar(20));insert into test_varchar values (1, 'name' + char(0));insert into test_varchar values (1, 'name' + '');    
然后通过java程序进行获取数据并插入到PG,同样会得到错误信息:
?
1    invalid byte sequence for encoding "UTF8": 0x00    
首先我们认为此为gb2312转化到UTF8时,发生了无法转化的错误。经查UTF8是变长的, 1-6个字节。他的编码规则如下:

Bits    Last code point    Byte 1    Byte 2
    Byte 3
    Byte 4
    Byte 5
    Byte 6
    
7    U+007F    0xxxxxxx    
11    U+07FF
    110xxxxx    10xxxxxx    
16    U+FFFF
    1110xxxx    10xxxxxx
    10xxxxxx
    
21    U+1FFFFF
    11110xxx    10xxxxxx
    10xxxxxx
    10xxxxxx
    
26    U+3FFFFFF
    111110xx    10xxxxxx
    10xxxxxx
    10xxxxxx
    10xxxxxx
    
31    U+7FFFFFFF
    1111110x    10xxxxxx
    10xxxxxx
    10xxxxxx
    10xxxxxx
    10xxxxxx
    

而0x00是符合UTF8规则的。这就使我们非常诧异。然后我们发现有两点继而确认了问题:
1、
?
1234567    PostgreSQL doesn't support storing NULL (\0x00) characters in text fields (this is obviously different from the database NULL value, which is fully supported). If you need to store the NULL character, you must use a bytea field - which should store anything you want, but won't support text operations on it. Given that PostgreSQL doesn't support it in text values, there's no good way to get it to remove it. You could import your data into bytea and later convert it to text using a special function (in perl or something, maybe?), but it's likely going to be easier to do that in preprocessing before you load it. Source:http://stackoverflow.com/questions/1347646/postgres-error-on-insert-error-invalid-byte-sequence-for-encoding-utf8-0x0    
2、

Terminating characterIndicated by
Tab    \tThis is the default field terminator.    
Newline character    \nThis is the default row terminator.    
Carriage return/line feed    \r    
Backslash1    \\    
Null terminator (nonvisible terminator)2    \0    
Any printable character (control characters are not printable, except null, tab, newline, and carriage return)    (*, A, t, l, and so on)    
String of up to 10 printable characters, including some or all of the terminators listed earlier    (**\t**, end, !!!!!!!!!!, \t—\n, and so on)    

Source:http://msdn.microsoft.com/en-us/library/ms191485.aspx
由此我们确定,是pg对null的处理和SQL Server处理是不相同的,所以在这里出现了错误。
而导致这一问题的PG具体代码如下(src/backend/utils/mb/wchar.c的pg_verify_mbstr_len):
?
12345678910111213    if (!IS_HIGHBIT_SET(*mbstr))    {      if (*mbstr != '\0')      {        mb_len++;        mbstr++;        len--;        continue;      }      if (noError)        return -1;      report_invalid_encoding(encoding, mbstr, len);    }    
?
12    #define IS_HIGHBIT_SET(ch)   ((unsigned char)(ch) & HIGHBIT)#define HIGHBIT         (0x80)    
report_invalid_encoding函数是将错误信息返回,也就是
invalid byte sequence for encoding "UTF8": 0x00
而真正导致这一问题的就是:
!IS_HIGHBIT_SET(*mbstr)当*mbstr为0x00时进入判断,然后进而判断*mbstr是否为\0,当为\0时,直接进入函数report_invalid_encoding报错。
所以出现此问题的原因是PG和SQL Server对null的处理是不相同的。
处理方案 :
1、将SQL Server源数据进行修改方法,
?
12345678910    UPDATE: This seems to work:  Select * from TABLEwhere UNICODE(SUBSTRING(naughtyField, LEN(naughtyField), 1)) = 0So:  Update TABLESET naughtyField = SUBSTRING(naughtyField, 1, LEN(naughtyField) - 1)where UNICODE(SUBSTRING(naughtyField, LEN(naughtyField), 1)) = 0Source:http://stackoverflow.com/questions/3533320/sql-server-remove-end-string-character-0-from-data    
2、对应用进行修改,获取到SQL Server数据时,将数据进行转化,和第一种方法异曲同工。


Tags:

文章评论

最 近 更 新
热 点 排 行
Js与CSS工具
代码转换工具

<