主页 / dba / 问题 / 211544
Accepted
Rob P.
Asked: 2018-07-07 05:09:13 +0800 CST

Postgres - 编码、排序规则和 CType

  • 772
                                                        List of databases 
          Name           |  Owner   | Encoding |          Collate           |           Ctype            |
-------------------------+----------+----------+----------------------------+----------------------------|
 MyDatabase              | postgres | UTF8     | English_United States.1252 | English_United States.1252 |

有人能解释一下 Encoding、Collat​​e 和 Ctype 是如何相互关联的吗？

我知道编码会影响信息的实际存储方式（即“A”是否需要一个字节或多个字节，以及这些字节的值取决于编码）。

我被告知 collat​​e 指定了比较字符的规则。如果您要对一堆字符串进行排序，则整理类型将决定顺序。

我一直在努力寻找 Ctype 是什么；可能与大写和小写等概念有关（假设 'a' 知道 'A' 是大写形式？）。

我不明白（如在我的示例中）我如何拥有一个 UTF8 编码的数据库并使用英语 1252 的校对值。UTF8 有许多 win1252 没有的字符；如果我尝试对它们进行排序或比较会发生什么？我当前的设置是荒谬的......似乎我总是希望 Encoding/Collat​​e/Ctype 同意？

postgresql encoding

1 个回答

  1. Best Answer

    我知道编码会影响信息的实际存储方式（即“A”是否需要一个字节或多个字节，以及这些字节的值取决于编码）。

    是的。编码是字符到字节的转换算法。对于像 LATIN1 这样的单字节编码，它通常是字节值 = 字符数，但对于 UTF-8，它更复杂。

    我被告知 collat​​e 指定了比较字符的规则。如果您要对一堆字符串进行排序，则整理类型将决定顺序。

    是的，collat​​e 指定如何比较字符串。排序服务由操作系统提供，或者可选地由 PostgreSQL 10 或更高版本的 ICU 库提供。使用语言规则对任意字符串进行排序是一项复杂的工作。Unicode 标准和 ISO 提供了规则，但它们是高度可定制的，而且并非所有 C 库都完全实现它们。有关更多信息，请参见例如https://en.wikipedia.org/wiki/Unicode_collat​​ion_algorithm 。

    我一直在努力寻找 Ctype 是什么；可能与大写和小写等概念有关（假设 'a' 知道 'A' 是大写形式？）。

    POSIX 中的 LC_CTYPE 与ctype.h中的函数有关 Postgres 在这方面受到 POSIX 的强烈影响，并且lc_ctype或多或少像 POSIX 使用的那样使用每个数据库LC_CTYPE。

    除了 upper() 和 lower()，它还与正则表达式和全文搜索（标记的大小写折叠）相关。

    我认为 Postgres 可以不使用独立的 lc_ctype（使用与 lc_collat​​e 相同的值），除了一件事：有趣的是lc_ctype，必须something.UTF-8正确支持所有字符，并且 因为 C 作为排序规则很多比 . 所暗示的任何语言排序都快。lc_collateClc_collate=lang_country.UTF-8

    当在 Postgres 中增强 COLLATE 支持时，Robert Haas（postgres 提交者）写了一篇关于该主题的有趣帖子：“排序感知比较的风险”

    我不明白（如在我的示例中）我如何拥有一个 UTF8 编码的数据库并使用英语 1252 的校对值。UTF8 有许多 win1252 没有的字符

    这是一个特定于 Windows 的事情，因为 Windows 不遵循带有语言环境和排序规则的 POSIX 模型。在 Windows 和非 ICU 排序规则中，Postgres 会将字符串从 db 编码转换为 UTF-16 ( wchar_t) 并调用wcscoll_l()。这就是编码与排序规则去相关的原因。

    使用 ICU 排序规则，Postgres 可以直接传递 UTF-8 内容，或者将字符串转换为 UTF-16，因此排序规则再次与特定的数据库编码无关，这与 POSIX 模型及其 strcoll 函数系列相反。

    • 11

相关问题