Non-breaking whitespace (MySQL)

Uit De Vliegende Brigade
Ga naar: navigatie, zoeken
Dit leek het initiële probleem te zijn: De eerste spatie is geen gewone spatie (0x20), maar NBSP (Non-breaking whitespace): 0xc2a0. Hoe fix ik dat?

Tijdens verwerken van een UTF-8-import-bestand in MySQL (dec. 2019), bleken sommige spaties geen echte spaties te zijn, maar non-breaking whitespace (of zoiets - zie verderop). Daardoor kon ik die data niet zomaar verwerken, omdat sommige algorithmes ervan uitgingen, dat spaties eh, spaties zijn.

  • Hoe herken je NBSP (of andere afwijkende 'spaties') in strings?
  • Hoe vervang je NBSP (of andere afwijkende 'spaties') door gewone spaties?

Het probleem: Een spatie is niet een spatie

Er bleken twee problemen te zijn:

NBSP?

Het gaat om een handjevol records in een bepaalde tabel: De betreffende strings bleken geen gewone spaties te bevatten (20), maar Non-breaking white spaces (c2 a0). Zie de afbeelding bovenaan dit artikel.

Iets anders?

Als ik de betreffende string omfiets naar hex, krijg ik alleen a0, en niet de andere byte. Ik snap niet hoe dat kan.

De oplossing

Toegevoegd aan de importroutine voor dit bestand:

update tmp
set
   device_id_org_source	     = 	replace(device_id_org_source, 	   unhex("a0"), " "),
   device_voltage_org_source =	replace(device_voltage_org_source, unhex("a0"), " "),
   device_sku		     =	replace(device_sku, 		   unhex("a0"), " ");

Bronnen