如何配置 Postgresql 数据库来存储任何语言字符串，同时保持排序？

Question

我有一个 Postgresql 数据库，其中所有字符串字段都存储在 TEXT 列中。到目前为止，所有字符串都是英语，因此所有 BE 功能（排序、存储、查询等）都可以在英语中正确运行。

但是，我想确保任何语言的任何字符串（如果可能的话）都存储在这些相同的表中，而不对其进行修改。所有信息都将与使用这些语言的用户相关，因此我不必担心中国用户会看到任何用阿拉伯语编写的记录，因为任何其他用户都无法访问它们，但我确实关心这两个用户能够按照各自的字符集对信息进行排序（因此，阿拉伯语文本仍然在阿拉伯语语言逻辑中排序，等等）

编码设置为

UTF8

是否足以确保所有 unicode 字符都正确存储？假设任何用户只能看到相同语言的记录，这是否也可以确保任何语言的所有排序操作都是正确的？

我在 Postgresql 文档中看到，我应该了解我的

LC_TYPE

和

LC_COLLATE

值，以查看我的数据库支持哪些字符集。当我在 postgres 终端中执行 \l 时，我看到

encoding

设置为

UTF8

，并且

Collate

和

Ctype

都设置为

English_United States.1252

。是否有任何其他配置与检查相关以确保正确的排序、过滤和查询？

Answer 1

排序是排序的问题，而不是编码的问题。 PostgreSQL 排序规则必须属于某种编码，Windows 除外。存在这种例外是因为 Windows 对 UTF-8 编码的支持有限，并且 PostgreSQL 开发人员对 Windows 在该领域的工作方式了解有限（请参阅此讨论）。

虽然编码是一个相当简单的问题（只需使用

UTF8

作为数据库编码，然后就可以存储所有字符），但编码很困难。不存在所有语言都同意的排序顺序。您必须找到一个对每个人都“足够好”的产品。

我的建议是您不要使用 C 库排序规则，而是使用 ICU 排序规则。 ICU 库提供了一种“未定义”的排序规则，它应该是一个适合每个人的中间立场。如果您使用 PostgreSQL v15 或更高版本，并且您的 PostgreSQL 是在 ICU 支持下构建的，您可以使用

创建数据库

CREATE DATABASE all_languages
   TEMPLATE template0
   ENCODING UTF8
   LOCALE_PROVIDER icu
   ICU_LOCALE und
   LOCALE "en_US";

您仍然需要指定的 C 库语言环境用于除排序规则之外的其他语言环境方面。