1. 问题背景
在某次数据库查询中，select * from sys_user where user_name LIKE concat( '%', '赵', '%' ) 能正确查询到包含“赵”的数据，而类似的条件 concat( '%', '赵小', '%' ) 却无法查询到“赵小强”。这一问题暴露了数据的隐藏异常。
通过 Hex() 函数进一步分析，发现“赵小强”的十六进制值为 E8B5B5E5B08FE5BCBA。然而，用 select hex(user_name) 查询时，结果包含了不可见的空白字符 E2808B。这些字符未被用户直观察觉，但干扰了 SQL 查询的匹配逻辑。
2. 不可见字符的影响与判定
不可见字符如 E2808B 是 Unicode 的零宽空白字符（Zero-Width Space），其存在通常由数据导入不规范或应用程序处理不当引起。这些字符对字符串显示无影响，但在计算机匹配时会导致异常行为，例如 SQL 查询失败。
通过进一步验证，问题可归因于零宽字符的存在。更新语句 UPDATE sys_user SET user_name = REPLACE(user_name, UNHEX('E2808B'), ''); 被提出用于移除这些字符。
3. 数据修复方法
针对上述问题，以下步骤被应用解决：
3.1 确认问题字符
使用 select hex(user_name) 查看目标字段的十六进制值，判定是否包含异常字符。
3.2 编写修复 SQL
利用 REPLACE() 函数结合 UNHEX() 替换掉指定不可见字符：
UPDATE sys_user SET user_name = REPLACE(user_name, UNHEX('E2808B'), '');
此语句逐行处理目标字段，将不可见字符替换为空字符串，从而修复数据。
4. 避免类似问题的建议
4.1 数据输入规范化
在数据导入或处理前，使用正则表达式过滤掉不可见字符，确保输入数据无异常。
4.2 数据校验机制
对关键字段定期运行十六进制检查，确保字段值符合预期格式，避免隐性问题。
4.3 字符串处理优化
在字符串操作函数中，明确考虑可能的隐藏字符，例如零宽空白符或其他控制字符。
5. 零宽空白字符
除了常见的零宽空白字符 E2808B（Zero-Width Space, U+200B），以下是其他常见的零宽字符及其特性：
零宽空格类字符：
- Zero Width Non-Joiner (U+200C) 用于防止两个字符连写，其十六进制表示为
E2808C。 - Zero Width Joiner (U+200D) 用于指示字符应连写，十六进制表示为
E2808D。 - Word Joiner (U+2060) 类似于零宽空格，但主要用于禁用断行，十六进制表示为
E281A0。
格式控制字符：
- Left-to-Right Mark (U+200E) 用于标记文本方向为从左到右，十六进制表示为
E2808E。 - Right-to-Left Mark (U+200F) 用于标记文本方向为从右到左，十六进制表示为
E2808F。 - Left-to-Right Embedding (U+202A) 指定嵌套的从左到右文本方向，十六进制表示为
E280AA。 - Right-to-Left Embedding (U+202B) 指定嵌套的从右到左文本方向，十六进制表示为
E280AB。 - Pop Directional Formatting (U+202C) 结束嵌套方向设置，十六进制表示为
E280AC。
其他不可见字符：
- Zero Width No-Break Space (U+FEFF) 原为字节顺序标记 (BOM)，现作为零宽字符使用，十六进制表示为
EFBBBF。 - Soft Hyphen (U+00AD) 用于指示潜在的断字位置，但通常不显示，十六进制表示为
C2AD。
COLLATE排序规则可能的影响
排序规则 (COLLATE) 定义了字符串比较和排序的规则，包括：
- 大小写敏感性：区分大小写的规则（如
_bin排序规则）和不区分大小写的规则（如_ci）。 - 字符比较规则：某些排序规则会将字符视为等价，比如带重音的字符（
é和e）在一些规则中可能被视为相同。
常见排序规则对 LIKE 的影响：
以下是几种典型排序规则及其对 LIKE 的影响：
- 大小写不敏感（默认，如
utf8mb4_general_ci或utf8mb4_unicode_ci）：LIKE 'abc%'将匹配abc,Abc,ABC等。 - 大小写敏感（如
utf8mb4_bin）：LIKE 'abc%'仅匹配大小写完全一致的abc。 - 如果排序规则忽略重音（如
utf8mb4_general_ci），则LIKE 'cafe%'可能匹配café和cafe。在utf8mb4_bin中，重音符号会被严格区分，因此café和cafe是不同的。
6. 总结
不可见字符如零宽空白符可能引发查询和匹配异常，问题解决需从排查、修复和预防三方面入手。
通过合理的技术手段，数据库的完整性和查询准确性得以保障，同时为避免类似问题提供了经验参考。
关于作者
来自全栈程序员nine的探索与实践，持续迭代中。
