Question

我使用pg_trgm执行模糊字符串匹配，其中字符可以是中文。奇怪的是，在我的Ubuntu服务器上，一切都很好，如下：

SELECT show_trgm('原作者');
> {0xa09182,0xcdfdbb,0x183afe,leD}

但是，在我的Mac上，它不起作用：

SELECT show_trgm('原作者');
> {}

我想这是由于一些奇怪的编码人员，但我检查了我可以想象的所有设置，包括：

SHOW SERVER_VERSION;
SHOW SERVER_ENCODING;
SHOW LC_COLLATE;
SHOW LC_CTYPE;

在Ubuntu上显示的地方：

9.5.1
UTF8
en_US.UTF-8
en_US.UTF-8

并在Mac上显示：

9.5.3
UTF8
en_US.UTF-8
en_US.UTF-8

此外，根据pg_trgm，SELECT * FROM pg_extension版本均为1.1。

有没有人可以帮我找到为什么pg_trgm无法在Mac上使用Unicode？

Answer 1

这样做的原因是pg_trgm依赖于libc（操作系统随附的系统库）例程来对哪些字符是字母字符，哪些不是字母字符进行分类，并且（不幸的）这在OS之间是不同的。 Apple Mac OS X以与其他Unix / Unix类系统不同的解释方式来解释UTF-8。字符分类在每个区域中都不同，并且受类别LC_CTYPE（和同名envvar）驱动。

检查postgres=# \l的输出，您应该看到Ctype列，该列告诉您如何在数据库中对字符进行分类。

如果这是C（以前在Apple MacOS X上见过），请尝试再次创建数据库，并指定CREATE DATABASE foo ... LC_CTYPE="en_US.UTF-8"
如果已经en_US.UTF-8，则MacOS X很可能在该区域设置中未将UTF-8汉字归类为字母（不足为奇）。尝试改用LC_CTYPE="zh_CN.UTF-8"，应该可以。

Answer 2

在macOS中，这是字符编码的问题。根据语言，您必须显式标记编码类型。默认的en_US.UTF-8绝对不起作用。所以：

Chinese : LC_CTYPE="zh_CN.UTF-8"

同样，应该根据语言来更改语言环境。虽然，在美国英语中没有中文的编码/解码点

您可以创建数据库：

CREATE DATABASE mydb WITH ENCODING='UTF8' LC_CTYPE='zh_CN.UTF-8' LC_COLLATE='zh_CN.UTF-8' OWNER=postgres TEMPLATE=template0 CONNECTION LIMIT=-1;

pg_trgm在Ubuntu和Mac OS X上的表现不同

2 个答案: