在postgresql中使用utf8的多种语言
如何才能无缝地支持存储在postgres的utf8字符集中的所有语言？我们似乎需要与字符集一起指定一个特定于语言的排序规则，例如en_US.utf8。如果我没有弄错的话，我们就无法将英文(en_US)和中文(zh_CN)存储在同一个utf8列中，同时保持任何有意义的排序行为。如果我将列定义为en_US.utf8，它应该如何处理包含中文(zh_CN)字符/字节序列的值？实际情况是，单个列值可以包含多种语言(例如：“Helloand晚安”)，而且不能根据一种语言进行排序。
是的，我可以物理地存储任何字符序列；但是在包含英语、德语、汉语、日语和韩国字符串的en_US.utf8列上排序的定义行为是什么？
我知道mysql的utf8mb4_unicode_ci排序规则并不完美，而且它没有遵循任何关于如何整理整个unicode集的设置标准。我已经可以听到反mysql的人群抱怨mysql语言无关的排序规则是如何任意的、语义上没有意义的，甚至是完全无效的。但事实是，它工作得足够好，并且满足了utf8 =多语言unicode支持的期望。
postgres只是非常固执，因为跨unicode光谱进行排序在语义上是不正确的吗？我知道开发人员在“按照规范办事”方面非常严格，但这种不能兼顾多种语言的能力至少令人沮丧。我是否遗漏了解决多语言问题的东西，还是一个utf8列可以处理任何语言，但一次只能处理一种语言的官方立场？
回答 1
Stack Overflow用户
发布于 2016-09-13 07:00:47
你是对的，永远不会有一种完美的方法来整理跨语言的字符串。
PostgreSQL决定不创建自己的排序规则，而是使用操作系统提供的排序规则。这背后的想法是避免重新发明车轮和减少维修工作量。
因此，对于您的问题，传统的PostgreSQL回答是:如果您希望字符串排序规则在不同语言中工作得相当好，请向操作系统供应商投诉，或者选择一个提供这种排序规则的操作系统。
但是，这种方法存在PostgreSQL社区意识到的缺陷：
- 很少人--如果有的话--根据操作系统提供的校对支持来决定操作系统。
- PostgreSQL的排序行为取决于底层操作系统，这导致邮件列表中的用户经常出现困惑的问题。
- 对于某些操作系统，排序规则行为可能在操作系统升级期间发生更改，从而导致数据库索引损坏(例如，请参阅这条线)。
很可能是PostgreSQL改变了它的方法；人们反复努力使用ICU库而不是操作系统排序规则(参见最近的线索)，这将缓解其中的一些问题。
https://stackoverflow.com/questions/39461851
复制相似问题
腾讯云开发者
