postgresql - PostgreSQL 不正确地使用捷克排序规则对 unicode 字符进行排序

Question

我有一个排序规则设置为 cs_CZ（捷克语）的表：

    Name   | Encoding |  Collation  |    CType
-----------+----------+-------------+-------------
 foo       | UTF8     | cs_CZ.UTF-8 | cs_CZ.UTF-8

但是当我按字符串排序时，结果没有按照捷克字母排序：

=> SELECT surname FROM foo ORDER BY surname;
     surname     
-----------------
A
Da
Ďb
Dc
E

所以它的排序就像 unicode 重音字符 (Ď) 被转换为没有重音 (D) 的 ASCII 版本。但是捷克字母是：... C -> D -> Ď -> E ...，所以返回的顺序不正确（在这个例子中应该是：A -> Da -> Dc -> Ďb -> E ）。

这是通常的 PostgreSQL 行为吗？有没有办法根据捷克字母对其进行正确排序？

编辑：在 Postgres 9.1.4 上试过，两者都有相同的行为。它是一个 Arch Linux 机器。
EDIT2：调整后的例子，Ď 是真正的问题。

score 5 · Accepted Answer

它是正确的。á, ď, é, ě, í, ň, ó, ť, ú, ů, ý 的重音应忽略参见文章

捷克语排序规则有点复杂:)

score 3 · Accepted Answer

PostgreSQL 没有自己的排序规则，它使用操作系统提供的规则。如果您尝试使用/usr/bin/sort相同的语言环境，您将获得相同的排序顺序。

以下是使用 Ubuntu 12.04、PostgreSQL 9.1 尝试时的示例数据结果：

create COLLATION cs_CZ (locale="cs_CZ.UTF-8");
select * from (values('Ca'),('Čb'),('Cc')) as l(a) order by a collate cs_CZ;

结果：

一个  
----
 钙
 抄送
 Čb
(3 行)

请注意，它已按您所说的进行排序。

如果您的操作系统排序不同，并且根据官方捷克规则您确定它是错误的，那么这是其捷克语言环境实现中的错误。

更新以下评论：

 SELECT * FROM (values('A'),('Da'),('Ďb'),('Dc'),('E')) AS l(a)
   ORDER BY a COLLATE cs_CZ;

结果是：

一个  
----
 一个
 大
 D b
 直流
 乙

score 1 · Accepted Answer

根据捷克语法规则，捷克排序规则中的排序是正确的！

á, ď, é, ě, í, ň, ó, ť, ú, ů, ý 等字符被排序为没有标点符号，因此结果：

A, Da, Ďb, Dc, E 用捷克文法正确。

对于斯洛伐克和捷克来说，这听起来很疯狂，但“规则就是规则”。

其他规则适用于斯洛伐克语 (collate sk_SK)，其中字符 d-ď、t-ť、n-ň、l-ľ 按字母顺序排列，如本例中的捷克语 Ď。

3 回答 3