使用实体框架从 SQL Server 检索 blob 时出现编码问题

Question

在尝试将 2003 MS word 文档存储在 SQL Server blob (nvarchar(max)) 字段中，然后使用实体框架 (EF1) 检索它们然后将它们转换回文件时，我注意到了一个特殊性（然后附在电子邮件中）。

基本代码：

1) 我使用 openrowset 将文档插入到数据库中：

INSERT INTO [dbo].[Attachment]([id],[Blob])     
   SELECT 1, (SELECT BulkColumn FROM OPENROWSET(Bulk 'path_to_attachment\abc123.doc', SINGLE_BLOB) AS BLOB) 

2) 然后我使用 EF1 从数据库中检索文件（为了简洁而简化 - 绕过 repo 等）：

var attachment = (from a in ctx.Attachment where a.id == 1 select a).FirstOrDefault()
var bytes = Encoding.Unicode.GetBytes(attachment.Blob);
var stream = new MemoryStream(bytes);
var fileName = "abc123.doc";
var fileToAttach = new Attachment(stream, fileName, MediaTypeNames.Application.Octet);

问题：

这可行，但我注意到在通过此过程推送文件后与文件存在一些差异，还有一些小的格式问题等。

在进行了一些更深入的挖掘（使用 VBinDiff）之后 - 看起来一些 Unicode 字符正在转换为 FDFF

00DC > FDFF

原文：

00 00 00 00 00 00 00 00 00 DC 00 00 00 00 00 00

转换：

00 00 00 00 00 00 00 00 FD FF 00 00 00 00 00 00

其他例子是：

BED9 > FDFF
CFD9 > FDFF

这看起来是从这里开始的范围内的最后一个： http://www.unicode.org/charts/PDF/UFB50.pdf

问题

1) 我是在做一些愚蠢的事情，还是 EF 在返回字符串对象 attachment.Blob 时做一些时髦的事情 - 在我尝试将其转换回字节数组之前？

2) 是否有更好的方法可以在仍然使用实体框架的同时从 blob 字段中检索确切的字节？ （或者我应该使用存储过程，还是 SqlDataReader - 我真的不想这样做，以免混淆我的数据访问路径）

Answer 1

Mitch 的回答帮助指出了我的代码中的错误。出于某种原因（我认为是习惯的力量），我将 Blob 字段设置为 nvarchar(max)，正如 Mitch 所指出的，SINGLE_BLOB 将文件信息保存为 varbinary(max)，这实际上是我在无论如何申请（见问题点 2）。

解决方案：

1. 将数据库字段从nvarchar(max) 转换为varbinary(max)
2. 更新实体框架模型
3. 将 EF 模型内的 blob 字段从 string 更改为二进制`

最后，改变这个

var attachment = (from a in ctx.Attachment where a.id == 1 select a).FirstOrDefault()
var bytes = Encoding.Unicode.GetBytes(attachment.Blob);
var stream = new MemoryStream(bytes);
var fileName = "abc123.doc";
var fileToAttach = new Attachment(stream, fileName, MediaTypeNames.Application.Octet);

到这里：

var attachment = (from a in ctx.Attachment where a.id == 1 select a).FirstOrDefault()
var stream = new MemoryStream(attachment.Blob);
var fileName = "abc123.doc";
var fileToAttach = new Attachment(stream, fileName, MediaTypeNames.Application.Octet);

Answer 2

使用SINGLE_BLOB 导入会将文件的内容作为varbinary(max) 类型的单行单列行集返回。

我建议使用SINGLE_NCLOB 而不是SINGLE_BLOB，它将文件读取为nvarchar(max)。

必须使用此处显示的SINGLE_NCLOB 选项读取Unicode 文件：

SELECT BulkColumn 
FROM OPENROWSET (BULK 'path_to_attachment\abc123.doc', SINGLE_NCLOB) AS BLOB

参考：Using OPENROWSET to read large files into SQL Server

更新（回应评论）：如果文件不是 unicode（正如您所尝试的那样），那么当您检索它们时，您不应使用 Unicode 编码来获取字节：

var bytes = Encoding.ASCII.GetBytes(attachment.Blob);