en_us.非英语语言的UTF8排序

Question

我第一次尝试使用PostgreSQL数据库，在使用MySQL工作了一段时间之后。我的环境是与cPanel和phpPgAdmin共享主机。令我困惑的一件事是数据库的整理。我主机的cPanel总是创建数据库，Encoding, Collation和Character Type分别设置为UTF8, en_US.UTF-8和en_US.UTF-8。我似乎没有任何方法来改变它，因为数据库是通过cPanel创建的，那里没有选项，根据这个答案，这些参数只能通过重新创建数据库来改变所需的设置。

所以我在想:这真的重要吗?如果排序设置为en_us。UTF8，对于非英语甚至非拉丁字符串，如俄语或希伯来语，会发生什么?它们将如何排序?

Update:我很困惑，因为在MySQL中，我过去只选择utf8mb4_unicode_ci排序，而不关心特定的语言。我想知道与PostgreSQL中特定于国家语言的排序相比，它是如何工作的。

Answer 1

排序行为将取决于底层操作系统的语言环境支持。一般来说，我认为您应该期望对当前语言环境之外的字符进行相当"愚蠢"的排序，可能是通过Unicode码点。可能是unicode排序算法的默认排序。

为了测试这一点，我很难快速找到整理不同的样本数据。

请注意，您可以使用COLLATE术语在每个列或每个操作的基础上声明排序，例如

CREATE TABLE sometable(
   ...,
   companyname text COLLATE "ru_RU",
   ...
);

或

SELECT *
FROM sometable
ORDER BY companyname COLLATE "ru_RU"

或

SELECT *
FROM sometable
WHERE companyname < 'Компания' COLLATE "ru_RU"

使您不受限于数据库的排序。

(这样做实际上是正确处理分类/混合语言中的数据的唯一方法，因为无论如何都没有一个正确的整理所有数据的方法)。

编辑显示示例:

test=> SHOW lc_collate;
 lc_collate 
------------
 en_AU.utf8
(1 row)
test=> SELECT * FROM (VALUES ('z'),('aa')) x(y) ORDER BY y;
 y  
----
 a
 aa
 z
(3 rows)
craig=> SELECT * FROM (VALUES ('z'),('aa')) x(y) ORDER BY y COLLATE "da_DK";
 y  
----
 a
 z
 aa
(3 rows)

这也表明，与语言无关的排序的概念完全是无稽之谈，人们通常真正的意思是"类似于英语的排序"或"按Unicode序数排序"(主要是类似于英语的顺序)。