MySQLで非ASCII文字を検出する方法：HEX関数とREGEXPを使った実践テクニック

MySQLで非ASCII文字を見つけるには？

非ASCII文字とは、ポンド記号（£）、商標記号（™）、プラスマイナス記号（±）など、ASCIIコードの範囲外に属する文字のことです。データベースのクリーニングや文字化け対策では、テーブル内に含まれる非ASCII文字を特定したいケースがよくあります。

ここでは、MySQLでテーブルから非ASCII文字を含むレコードを検出する手順を、具体的な例とともに解説します。

ステップ1：テーブルを作成する

まず、CREATE文を使って検証用のテーブルを作成します。

mysql> CREATE table NonASciiDemo
-> (
-> NonAScii varchar(100)
-> );
Query OK, 0 rows affected (0.61 sec)

ステップ2：サンプルデータを挿入する

次に、INSERT文を使ってテーブルにレコードを挿入します。ここでは、非ASCII文字を含むレコードと、純粋なASCII文字のみのレコードを混在させて登録します。

mysql> INSERT into NonASciiDemo values('-,-');
Query OK, 1 row affected (0.18 sec)

mysql> INSERT into NonASciiDemo values(' ');
Query OK, 1 row affected (0.23 sec)

mysql> INSERT into NonASciiDemo values('£');
Query OK, 1 row affected (0.30 sec)

mysql> INSERT into NonASciiDemo values('123abcd£');
Query OK, 1 row affected (0.24 sec)

上記のように4件のレコードが挿入されました。このうち「£」を含む2件が非ASCII文字を含むレコードで、残りの2件はASCII文字のみで構成されています。

ステップ3：全レコードを確認する

SELECT文でテーブル内のすべてのレコードを表示してみましょう。

SELECT * from NonASciiDemo;

実行結果は以下の通りです。

+----------+
| NonAScii |
+----------+
| -,-      |
|          |
| £        |
| 123abcd£ |
+----------+
4 rows in set (0.00 sec)

非ASCII文字を検出する構文

非ASCII文字を検出するには、HEX関数とREGEXP演算子を組み合わせます。ポイントは、ASCII文字の16進数表現が「00〜7F」の範囲（先頭桁が0〜7）に収まるという性質を利用することです。

基本構文は以下の通りです。

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

この構文では、カラムの値を16進数に変換し、その全体が「0〜7で始まる2桁の組み合わせ」のみで構成されているかどうかを正規表現で判定しています。NOTによって、このパターンに一致しない（＝非ASCII文字を含む）レコードだけが抽出されます。

実際のクエリ実行例

上記の構文をサンプルテーブルに適用すると、次のようになります。

mysql> SELECT * FROM NonASciiDemo 
WHERE NOT HEX(NonAScii) REGEXP '^([0-7][0-9AF])*$';

実行結果：

+----------+
| NonAScii |
+----------+
| £        |
| 123abcd£ |
+----------+
2 rows in set (0.00 sec)

ご覧の通り、「£」を含む2件のレコードだけが正しく抽出されました。この手法を使えば、マルチバイト文字や特殊記号が混入したデータを簡単に洗い出すことができます。データインポート後の検証や、文字コード関連のトラブルシューティングにぜひ活用してください。