regex - PostgreSQL 正则表达式 - 任何语言

Question

这个

  Check Load (1.0ms)  SELECT "checks".* FROM "checks" WHERE (title ~* '[p{L}]+' and state @@ 'saved')

只匹配英文字符，但我怎样才能捕捉到任何语言字符？

Answer 1

我编写了一个将 PCRE 集成到 PostgreSQL 中的扩展：https ://github.com/petere/pgpcre 。它对 Unicode 属性有更好的支持。你可以写类似

title ~ pcre '^\p{L}'

Answer 2

AFAIK 此功能在 PostgreSQL 中不可用。这个答案似乎同意。它已经 3 岁了，所以从那时起可能发生了一些变化，但如果有的话，我不知道。

来自原始海报：

PostgreSQL 不支持像 .NET 那样基于 Unicode 字符数据库的字符类。你会得到更标准的 [[:alpha:]] 字符类，但这取决于语言环境，可能不会涵盖它。

您可能只需将不需要的 ASCII 字符列入黑名单并允许所有非 ASCII 字符即可摆脱困境。例如类似的东西

[^\s!"#$%&'()*+,\-./:;<=>?\[\\\]^_`~]+

（JavaScript 也没有非 ASCII 字符类。甚至 [[:alpha:]]。）

例如，给定 v_text 作为要清理的文本变量：

-- Allow internationalized text characters and remove undesired characters
v_text = regexp_replace( lower(trim(v_text)), '[!"#$%&()*+,./:;<=>?\[\\\]\^_\|~]+'

编辑：还请注意下面的@depesz 答案。由于 Linux 的 ctype 实现（似乎是）基于 UTF-8，因此可以在 Linux中获取[[:lower:]]和在 Postgres 上工作的字符类。[[:upper:]]我不确定这是“开箱即用”配置还是某种升级，但很高兴知道这是可能的。

Answer 3

为什么不使用普通类 - [:lower:] 和 [:upper:] ？检查这个：

$ select w, w ~ '^[[:lower:][:upper:]]+$' from ( values ( 'aBc'::text ), ('żÓŁW'), ('123')) as x (w);
  w   | ?column?
------+----------
 aBc  | t
 żÓŁW | t
 123  | f
(3 rows)