SQL Server varchar中文长度校验解决方案

一、前言（业务常见痛点）

在对接 SQL Server 数据库的时候，估计有不少朋友都栽过同一个跟头：

前端输入字符数明明没超，入库就报字段超长、数据被截断；本地测试一切正常，一到服务器 Linux 环境必现异常。

症结其实很明确：SQL Server 的 varchar 限制的是字节，不是字符个数，而且默认中文排序规则使用的编码和 Ja va 默认编码不是一回事，导致前端、Ja va 校验、数据库存储三方对“长度”的理解根本对不上号。

本文以最常用的字段定义为例：

[YDJH] varchar(50) COLLATE Chinese_PRC_CI_AS NULL

把编码原理、字节占用规则、Ja va 正确校验方案一次讲透，让你彻底告别超长报错。

二、SQL Server 核心编码规则（必看）

2.1 Chinese_PRC_CI_AS 底层编码

SQL Server 中国大陆默认排序规则 Chinese_PRC_CI_AS，对应的底层代码页是 CP936（GBK编码），这是行业标准，没什么争议。

字节占用规则比较简单：

• 英文、数字、半角符号：1字节/个
• 中文汉字、全角符号：2字节/个

2.2 varchar(50) 真实存储容量

重点强调：varchar(n) 代表最大 n 字节，不是 n 个字符。

针对 varchar(50)：

• 纯中文场景：最多存储 25个汉字（50/2）
• 混合场景：汉字+英文/数字混着来，按实际字节数累加
• 超出50字节：数据库要么截断数据，要么直接抛异常

2.3 新旧排序规则区别（拓展避坑）

• Chinese_PRC_CI_AS（老版）：纯 GBK 编码，不支持生僻字
• Chinese_PRC_90/100/130_CI_AS（新版）：底层 GB18030，兼容 GBK，支持生僻字（部分生僻字占4字节）

普通业务场景下，用 GBK 校验完全够用。

2.4 区分 nvarchar 关键知识点

很多开发者容易把两类字段搞混，这里说明白：

• varchar：非 Unicode，GBK 编码，按字节校验
• nvarchar：Unicode 编码（UTF-16LE），中英文均2字节，直接按字符长度 str.length() 校验

三、Ja va 校验常见致命错误

3.1 错误1：使用无参 getBytes()

// 绝对禁止！跨环境失效 byte[] bytes = str.getBytes();

无参方法依赖操作系统默认编码：

• Windows：默认 GBK，侥幸能过
• Linux/Mac/服务器：默认 UTF-8（中文3字节/个）

后果：服务器端计算出的字节数远大于数据库实际字节数，要么明明没超长，却被 Ja va 误判拦截，要么校验失效导致入库报错。

3.2 错误2：使用 StandardCharsets 常量校验

有些同学想用 JDK 自带的 StandardCharsets，但翻遍所有常量也找不到 GBK。

StandardCharsets 仅支持：US_ASCII、ISO_8859_1、UTF-8、UTF-16系列，不包含GBK/GB18030。

严禁用 UTF-8 校验本字段——UTF-8 中文3字节，和 SQL Server 的 GBK 字节规则完全不匹配，100%误判。

四、Ja va 正确精准校验方案（可直接复用）

4.1 核心原理

必须手动指定 GBK 编码，让 Ja va 计算出的字节数 完全对齐 SQL Server 的 DATALENGTH() 结果。

4.2 完整工具类（长度校验+自动截断）

import ja va.nio.charset.Charset;
import ja va.nio.charset.IllegalCharsetNameException;
import ja va.nio.charset.UnsupportedCharsetException;

/**
 * SQL Server varchar(GBK) 字段长度校验工具
 * 适配排序规则：Chinese_PRC_CI_AS
 */
public class SqlVarcharCheckUtil {

    /**
     * 获取字符串GBK字节长度（与数据库DATALENGTH完全一致）
     * @param str 待校验字符串
     * @return GBK字节数
     */
    public static int getGbkByteLength(String str) {
        if (str == null || str.isEmpty()) {
            return 0;
        }
        try {
            Charset gbkCharset = Charset.forName("GBK");
            return str.getBytes(gbkCharset).length;
        } catch (IllegalCharsetNameException | UnsupportedCharsetException e) {
            throw new RuntimeException("当前JDK环境不支持GBK编码，数据库字段校验失败", e);
        }
    }

    /**
     * 校验是否符合 varchar(50) 字节规范
     * @param text 待校验文本
     * @return true=合规，false=超长
     */
    public static boolean isVarchar50Valid(String text) {
        if (text == null) {
            return true;
        }
        return getGbkByteLength(text) <= 50;
    }

    /**
     * 自动截断至varchar(50)最大字节，避免入库报错
     * @param val 原始文本
     * @return 截断后合规文本
     */
    public static String trimToVarchar50(String val) {
        if (val == null || isVarchar50Valid(val)) {
            return val;
        }
        // 逐字符截断，保证GBK字节不超50
        int index = 0;
        while (index < val.length() && getGbkByteLength(val.substring(0, index + 1)) <= 50) {
            index++;
        }
        return val.substring(0, index);
    }
}

4.3 数据库校验对照SQL

可以用下面的 SQL 验证 Ja va 计算结果，两者数值完全一致：

-- 查看字段实际占用字节数
SELECT DATALENGTH(YDJH) AS 实际字节数, LEN(YDJH) AS 字符数 FROM 表名

• DATALENGTH：真实存储字节数（和 Ja va GBK 计算结果一致）
• LEN：纯字符个数，没有参考价值

五、全文核心总结（干货速记）

1. SQL Server varchar(50) + Chinese_PRC_CI_AS：GBK 编码，最大50字节，最多25个纯汉字。
2. 禁止使用无参 getBytes()：跨环境编码不一致，必出 BUG。
3. StandardCharsets 无 GBK：必须通过 Charset.forName("GBK") 获取编码。
4. varchar 按字节校验，nvarchar 按字符校验，切勿混淆。
5. 服务器 Linux 环境必须指定 GBK，否则 UTF-8 三字节中文会导致校验完全失效。

六、拓展建议

如果业务需要支持生僻字、全量中文兼容，可以将编码替换为 GB18030，只需修改代码中的编码名称，适配新版 SQL Server 排序规则，兼容性更强。