¿Cómo puedo encontrar caracteres no ASCII en MySQL?

Estoy trabajando con una base de datos MySQL que tiene algunos datos importados de Excel . Los datos contienen caracteres no ASCII (guiones largos, etc.), así como retornos de carro ocultos o avances de línea. ¿Hay alguna manera de encontrar estos registros usando MySQL?

Depende exactamente de lo que esté definiendo como "ASCII", pero sugeriría probar una variante de una consulta como esta:

SELECT * FROM tableName WHERE columnToCheck NOT REGEXP '[A-Za-z0-9]';

Esa consulta devolverá todas las filas donde columnToCheck contiene caracteres no alfanuméricos. Si tiene otros caracteres que son aceptables, agréguelos a la clase de caracteres en la expresión regular. Por ejemplo, si los puntos, las comas y los guiones están bien, cambie la consulta a:

SELECT * FROM tableName WHERE columnToCheck NOT REGEXP '[A-Za-z0-9.,-]';

La página más relevante de la documentación de MySQL es probablemente 12.5.2 Expresiones regulares .

MySQL proporciona una gestión integral del juego de caracteres que puede ayudar con este tipo de problema.

SELECT whatever
  FROM tableName 
 WHERE columnToCheck <> CONVERT(columnToCheck USING ASCII)

La CONVERT(col USING charset)función convierte los caracteres no convertibles en caracteres de reemplazo. Entonces, el texto convertido y no convertido será desigual.

Vea esto para más discusión. https://dev.mysql.com/doc/refman/8.0/en/charset-repertoire.html

Puede usar cualquier nombre de juego de caracteres que desee en lugar de ASCII. Por ejemplo, si desea averiguar qué caracteres no se mostrarán correctamente en la página de códigos 1257 (lituano, letón, estonio) useCONVERT(columnToCheck USING cp1257)

Puede definir ASCII como todos los caracteres que tienen un valor decimal de 0 a 127 (0x00 - 0x7F) y buscar columnas con caracteres no ASCII utilizando la siguiente consulta

SELECT * FROM TABLE WHERE NOT HEX(COLUMN) REGEXP '^([0-7][0-9A-F])*$';

Esta fue la consulta más completa que se me ocurrió.

Esto es probablemente lo que estás buscando:

select * from TABLE where COLUMN regexp '[^ -~]';

Debería devolver todas las filas donde COLUMN contiene caracteres no ASCII (o caracteres ASCII no imprimibles como la nueva línea).

Un carácter que falta en los ejemplos de todos los anteriores es el carácter de terminación (\ 0). Esto es invisible para la salida de la consola MySQL y no puede ser detectado por ninguna de las consultas mencionadas anteriormente. La consulta para encontrarlo es simplemente:

select * from TABLE where COLUMN like '%\0%';

Según la respuesta correcta, pero teniendo en cuenta también los caracteres de control ASCII, la solución que funcionó para mí es esta:

SELECT * FROM `table` WHERE NOT `field` REGEXP  "[\\x00-\\xFF]|^$";

Hace lo mismo: busca violaciones del rango ASCII en una columna, pero también le permite buscar caracteres de control, ya que utiliza la notación hexadecimal para los puntos de código. Como no hay comparación o conversión (a diferencia de la respuesta de @ Ollie), esto también debería ser significativamente más rápido. (Especialmente si MySQL hace una terminación anticipada en la consulta de expresiones regulares, que definitivamente debería).

También evita la devolución de campos de longitud cero. Si desea una versión un poco más larga que funcione mejor, puede usar esto en su lugar:

SELECT * FROM `table` WHERE `field` <> "" AND NOT `field` REGEXP  "[\\x00-\\xFF]";

Hace una verificación de longitud por separado para evitar resultados de longitud cero, sin considerarlos para un pase de expresiones regulares. Dependiendo del número de entradas de longitud cero que tenga, esto podría ser significativamente más rápido.

Tenga en cuenta que si su conjunto de caracteres predeterminado es algo extraño donde 0x00-0xFF no se asigna a los mismos valores que ASCII (¿existe tal conjunto de caracteres en algún lugar?), Esto devolvería un falso positivo. De lo contrario, disfruta!

Intente usar esta consulta para buscar registros de caracteres especiales

SELECT *
FROM tableName
WHERE fieldName REGEXP '[^a-zA-Z0-9@:. \'\-`,\&]'

La respuesta de @ zende fue la única que cubrió columnas con una mezcla de caracteres ascii y no ascii, pero también tenía esa problemática cuestión hexadecimal. Usé esto:

SELECT * FROM `table` WHERE NOT `column` REGEXP '^[ -~]+$' AND `column` !=''

En Oracle podemos usar a continuación.

SELECT * FROM TABLE_A WHERE ASCIISTR(COLUMN_A) <> COLUMN_A;

para esta pregunta también podemos usar este método:

Pregunta del zoológico sql:
encuentre todos los detalles del premio ganado por PETER GRÜNBERG

Caracteres no ASCII

ans: seleccione * de nobel donde el ganador como 'P% GR% _% berg';