如何在PostgreSQL数据库中处理多种人类语言？

Question

如果数据库使用UTF-8编码，是否可以正确存储和检索所有人类语言的文本？

在PostgreSQL数据库中处理非英语语言时是否有“陷阱”？

使用Ruby on Rails和PostgreSQL 9.1。

Answer 1

除了Spidey和Kevin的观点（在客户端和ENCODING 'utf-8'数据库中使用utf-8，请注意不同的排序规则），我强烈建议用尽可能的语言标记每个文本字段。

如果您想使用全文搜索或任何类型的语言分析，确实知道每个字段所使用的语言真的很有帮助。全文搜索不能进行根词分析等，除非它有字典和后缀被索引的文本列表 - 为此它需要知道语言。

存储ISO 639 language codes可能是一个合理的选择。

Answer 2

不同的语言倾向于以不同的方式排序相同的字符串，因此在排序时要小心COLLATION。

http://www.postgresql.org/docs/current/static/collation.html

Answer 3

UTF-8可以编码所有Unicode代码点，所以是的，你根本不会有任何问题。您需要连接UTF-8连接，并确保您的应用程序还将输出读取为UTF-8编码文本。