🧾SQL Server 日期轉換錯誤 (241) + Loader 檔名解析失敗？一次搞懂半導體資料載入常見陷阱與解法

- 4月 29, 2026

🔍 問題背景：Loader 為什麼突然壞掉？

在實務中，我們常會遇到這種情況：

Loader 原本正常運作
某一天突然：
- ❌ 資料全部進不去
- ❌ log 出現錯誤
- ❌ 檔案被丟到 fail 資料夾

這篇文章用一個真實案例帶你理解：

👉 其實問題不是一個，而是兩個「時間相關」問題同時發生

🚨 問題一：SQL Server Error 241（日期轉換失敗）

📌 錯誤訊息長這樣


DataError: ('22007', 'SQL Server 無法將字串轉換成 datetime (241)')

🧠 問題原因（白話版）

你的程式做了這件事：

👉 把「不存在的時間」當成字串寫進資料庫

例如：


END_TIME = 'NaT'

但 SQL Server 看到會說：

👉「這不是日期，我不認識」

所以直接報錯。

🧩 為什麼會出現 NaT？

在 Python（特別是 pandas）裡：

值	意義
`NaT`	Not a Time（時間版的空值）

當 Loader 解析不到時間，就會產生這個值。

❌ 常見錯誤寫法（示意）


# ❌ 錯誤：直接轉字串
sql = f"UPDATE table SET end_time = '{time_value}'"

當 time_value = NaT 時：


'end_time = 'NaT''

👉 SQL Server 爆炸 💥

✅ 正確作法

✔ 方法一：改成 NULL


if time_value is None:
    db_value = None
else:
    db_value = time_value

✔ 方法二：用參數化（強烈建議）


query = "UPDATE table SET end_time = :t"
execute(query, {"t": time_value})

👉 資料庫會自動處理 NULL

🚨 問題二：檔名被判定「格式錯誤」

📌 Log 會看到


The file name ... format is incorrect

然後檔案直接被丟到：


/fail/

🧠 真正原因（重點！）

Loader 做了這件事：

👉 把「檔名最後一段」當成時間解析

例如：


XXX_FT1_250371000300.csv

Loader 以為：


250371000300 = YYMMDDHHMMSS

但實際上：


25 / 03 / 71 ❌

👉 71 號不存在 → 解析失敗

⚠️ 但真相是

👉 那段根本不是時間！

在半導體資料中（尤其測試廠）：

最後一段常常是：

測試批次 ID
機台執行序號
Session code

👉 不是時間

🔥 關鍵錯誤設計（Loader 的盲點）

Loader 假設：


檔名最後 = 時間

但實際：

廠商	檔名最後
A廠	時間
B廠	時間
C廠（你這次）	❌ Tracking Code

👉 Loader 設計不夠彈性 → 直接爆

🛠️ 正確設計方式（超重要）

🥇 時間來源優先順序

應該是：

1️⃣ CSV 內部時間（最準）
2️⃣ Header 資訊
3️⃣ 檔名（最後才用）

❌ 錯誤設計


檔名 → CSV → Header

✅ 正確設計


CSV → Header → 檔名

🧩 解法總整理

✔ 解法一：檔名時間改為「非必填」


parsed_time = try_parse(filename_part)

if parsed_time is None:
    log("檔名沒有時間，改用內容")

✔ 解法二：改從 CSV 抓時間


if parsed_time is None:
    parsed_time = csv_header_time

✔ 解法三：不要讓解析錯誤直接丟 fail


# ❌ 不要這樣
if time is None:
    raise Exception()

# ✅ 改成
if time is None:
    log("skip filename time parsing")

📊 這次案例總結

在 2026/02/13 的 log 中：

🧨 發生兩種錯誤

1️⃣ SQL datetime 錯誤（241）

原因：NaT 被寫進 DB
影響：資料更新失敗

2️⃣ 檔名解析錯誤

原因：誤把 tracking code 當時間
影響：檔案全部被丟 fail

🎯 一句話總結

👉 不要相信檔名的時間，請相信資料本身

💡 工程師實戰建議

如果你在做：

半導體資料分析
Loader / ETL pipeline
Python + SQL Server

請一定要做到：