与 Unicode 字素匹配的 PostgreSQL 模式

Question

有什么方法可以与 Unicode 字素进行模式匹配吗？

举个简单的例子，当我运行这个查询时:

CREATE TABLE test (
    id SERIAL NOT NULL, 
    name VARCHAR NOT NULL,
    PRIMARY KEY (id), 
    UNIQUE (name)
);
INSERT INTO test (name) VALUES ('👍🏻 One');
INSERT INTO test (name) VALUES ('👍 Two');

SELECT * FROM public.test WHERE test.name LIKE '👍%';

我返回了两行，而不仅仅是 '👍 Two'。 Postgres 似乎只是比较代码点，但我希望它比较完整的字素，所以它应该只匹配 '👍 Two'，因为 👍🏻 是不同的字素。

这可能吗？

Answer 1

这是一个非常有趣的问题!

我不太确定这是否可能:

皮肤表情符号实际上是两个连接的字符(如连字)。第一个字符是黄色的手 👍，后面是表情符号皮肤修饰符 🏻

这就是浅肤色手的内部存储方式。所以，对我来说，你的结果是有道理的:

当你查询任何以👍开头的字符串时，它会返回:

1. 👍 两个(琐碎的)
2. 👍_🏻一个(忽略下划线，我试图用这个来抑制自动连字)

所以，你可以看到，内部的浅肤色表情符号也是以👍开头的。这就是为什么我相信，您的查询没有按照您喜欢的方式工作。

解决方法/解决方案:

1. 您可以在查询中添加空格。这可以确保您的 👍 角色后没有皮肤修饰符。当然，这只适用于您的情况，所有数据集在手后都有一个空格:

   SELECT * FROM test WHERE name LIKE '👍 %';
   

2. 您可以像这样简单地扩展 WHERE 子句:

   SELECT * FROM test 
   WHERE name LIKE '👍%'
       AND name NOT LIKE '👍🏻%'
       AND name NOT LIKE '👍🏼%'
       AND name NOT LIKE '👍🏽%'
       AND name NOT LIKE '👍🏾%'
       AND name NOT LIKE '👍🏿%'
   

3. 您可以使用正则表达式模式匹配来排除皮肤:

   SELECT * FROM test 
   WHERE name  ~ '^👍[^🏻🏼🏽🏾🏿]*$'
   

参见 demo:db<>fiddle (请注意， fiddle 似乎不提供自动连字，因此两个字符都分开显示在那里)