sql: Zeichenfolge mit mehreren Sprachen erkennen

Question

Spalte [Plate_No] in [my_Table] enthält Fahrzeugkennzeichen für griechische und ausländische Fahrzeuge. Im Allgemeinen enthalten griechische Plattennummern nur griechische Zeichen, und ausländische Platten enthalten nur lateinische Zeichen.

Nun enthalten einige Zeilen Plattennummern mit gemischten Zeichen und sind falsch.

zum Beispiel:

DECLARE @my_Plates AS TABLE (
    Plate_No NVARCHAR(50) 
) 

INSERT INTO @my_Plates (
    Plate_No 
) 
SELECT 'AAA1234' 
UNION ALL 
SELECT 'ΑΑΑ1234' 
UNION ALL 
SELECT 'AΑA1234' 

SELECT Plate_No, LOWER(Plate_No) AS LC_Plate_No 
FROM @my_Plates 

Ergebnis:

Plate_No | LC_Plate_No 
--------------------- 
AAA1234 | aaa1234  <-- correct 
ΑΑΑ1234 | ααα1234  <-- correct 
AΑA1234 | aαa1234  <-- incorrect 

Wie Sie Plattennummern sehen visuell gleich sind, aber wenn NIEDER angewendet, ist der Unterschied offensichtlich.

Wie können diese fehlerhaften Zeilen erkannt werden?

Jede Hilfe wäre willkommen.

Answer 1

Hier ist eine Methode, die funktioniert, wenn die Spaltensortierung Greek_CI_AS ist:

DECLARE @my_Plates AS TABLE (
    Plate_No NVARCHAR(50) COLLATE Greek_CI_AS 
) 

INSERT INTO @my_Plates (
    Plate_No 
) 
SELECT UPPER(N'aaa1234') 
UNION ALL 
SELECT UPPER(N'ααα1234') 
UNION ALL 
SELECT UPPER(N'aαa1234') 

SELECT Plate_No, LOWER(Plate_No) 
FROM @my_Plates 
WHERE Plate_No <> CAST(Plate_No AS varchar(50)) COLLATE Latin1_General_CI_AS 
AND  Plate_No LIKE '%[A-Z]%' 

dies wird wahrscheinlich nicht eine gute Leistung auf großen Datenmengen - weder der WHERE Bedingungen einen Index für Plate_No nutzen können.

Answer 2

Hier ist ein Workaround mit LIKE. Es ist schwer für 10.000.000+ Zeilen, aber es ist OK, da es nur eine einmalige Überprüfung auf Korrektur ist.

SELECT 
Plate_No 
, LOWER(Plate_No) AS LC_Plate_No 
, (
    CASE WHEN Plate_No LIKE '%[α-ω]%' AND Plate_No LIKE '%[a-z]%' 
     THEN '0' 
     ELSE '1' 
    END 
) AS isCorrect 
FROM @my_Plates