macos - pg_trgm 在 Ubuntu 和 Mac OS X 上的行为不同

Question

我正在使用 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，如下所示:

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');
> {}

我猜这是由于一些奇怪的编码人员，但我检查了我能想象到的所有设置，包括:

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

它在 Ubuntu 上显示的位置:

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

在 Mac 上显示:

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

此外，pg_trgm根据SELECT * FROM pg_extension，版本都是1.1 .

谁能帮我找出 pg_trgm 的原因不适用于我的 Mac 上的 Unicode？

Answer 1

原因是 pg_trgm取决于 libc (操作系统附带的系统库)例程用于分类哪些字符是字母，哪些不是，这(不幸的是)在操作系统之间是不同的。 Apple Mac OS X 以与其他类 Unix/类 Unix 系统不同的方式解释 UTF-8 而闻名。字符分类因地区而异，由类别 LC_CTYPE 驱动(和同名的envvar)。

检查 postgres=# \l 的输出你应该看到Ctype列，它告诉您字符在数据库中是如何分类的。

如果这是 C (之前在 Apple MacOS X 上看到过)尝试再次创建数据库，指定 CREATE DATABASE foo ... LC_CTYPE="en_US.UTF-8"

如果已经是en_US.UTF-8 MacOS X 很可能不会在此语言环境中将 UTF-8 中文字符归类为字母(不足为奇)。试试 LC_CTYPE="zh_CN.UTF-8"相反，这应该有效。