sql server 2017+ 支持 trim(' ' from col)，2016 及更早需用 rtrim(ltrim(col))；trim() 在 where 中导致索引失效，应提前清洗或建计算列索引；ltrim/rtrim 不处理制表符、换行符、全角空格，需 replace 配合；update 时注意截断与 unicode 兼容性。
SQL Server 2017+ 直接用 TRIM() 最省事；2016 及更早版本必须写 RTRIM(LTRIM(col))，否则会报错或漏删。
TRIM() 在 SQL Server 各版本中的可用性与写法
SQL Server 2017 是分水岭：此前版本压根不认 TRIM() 这个函数名，执行会报 Invalid column name 'TRIM'；2017 开始支持，但语法强制要求带 FROM —— 必须写成 TRIM(' ' FROM col)，不能省略 ' ' FROM；SQL Server 2022+ 才支持 TRIM(BOTH ' ' FROM col) 或 TRIM(LEADING FROM col) 这类标准写法。
所以实际选型很简单：
- 目标库确定是 2017+？用
TRIM(' ' FROM col)，别偷懒写TRIM(col)，会报错 - 兼容旧版（比如你连的是客户现场的 SQL Server 2008 或 2012）？老老实实用
RTRIM(LTRIM(col)) - 不确定版本？直接上
RTRIM(LTRIM(col))，全版本通吃，无风险
WHERE 条件里用 TRIM() 会导致索引失效
写 WHERE TRIM(name) = 'John' 看似干净，但数据库无法利用 name 字段上的索引——因为函数作用于列后，B-Tree 索引结构就失效了，结果必然是全表扫描。
真正要查“可能带空格的 John”，有两条路：
- 提前清洗：在 INSERT/UPDATE 时就做
TRIM()，并确保业务层或 ETL 不塞带空格的值进来 - 加计算列索引（SQL Server 2016+）：
ALTER TABLE t ADD name_trim AS TRIM(name); CREATE INDEX IX_name_trim ON t(name_trim);，之后查WHERE name_trim = 'John'就能走索引
别指望靠 LIKE 'John' OR LIKE ' John' OR LIKE 'John ' 拼凑，长度一多、空格位置一变，条件爆炸且不可维护。
LTRIM/RTRIM 只认 ASCII 空格，对换行、制表符、全角空格完全无效
LTRIM() 和 RTRIM() 在 SQL Server 里只处理字符 CHAR(32)（即普通空格），遇到 CHAR(9)（制表符）、CHAR(10)（换行）、CHAR(13)（回车）或中文全角空格 NCHAR(12288)，统统视而不见。
如果数据来自 Excel 导入或前端粘贴，大概率混着这些“隐形空格”。验证方法很简单：SELECT name, LEN(name), DATALENGTH(name), CAST(name AS VARBINARY(MAX)) FROM t WHERE name LIKE '%John%'; —— 看二进制输出，确认到底有哪些字节。
真要清理这类字符，得手动套 REPLACE()：
SELECT
REPLACE(
REPLACE(
REPLACE(
REPLACE(name, CHAR(9), ''), -- 制表符
CHAR(10), ''), -- 换行
CHAR(13), ''), -- 回车
NCHAR(12288), '') -- 全角空格
AS cleaned_name
顺序不能乱，嵌套太深影响可读性，建议封装成自定义函数。
UPDATE 时用 TRIM() 要小心字段长度和字符集
执行 UPDATE t SET name = TRIM(name) 表面安全，但有两个隐藏坑：
- 如果
name是VARCHAR(10)且含 emoji（如 ??），UTF-8 下一个 emoji 占 4 字节，LEN()返回 2，但DATALENGTH()返回 8 —— TRIM 后若长度超限，会被静默截断，且不报错 - 如果字段是
NVARCHAR，但客户端连接用的是老版 ODBC 驱动（如 SQL Server Native Client 11），TRIM()对 Unicode 空白符的支持可能不稳定，建议先测试TRIM(NCHAR(12288) + 'abc')
最稳妥的做法：先 SELECT TOP 10 name, LEN(name), DATALENGTH(name), CAST(name AS VARBINARY(MAX)) FROM t WHERE name LIKE '%[^ -~]%' OR name LIKE '%' + CHAR(9) + '%'，摸清脏数据类型再批量处理。
