PostgreSQL排序规则差异：OSX与Ubuntu

Question

最近我意识到在PostgreSQL中，字符排序(collation)非常重要，并且许多评论将OSX /本地语言支持称为“损坏”，这并没有让我豁然开朗。 对于这个问题，我忽略了字符排序(collation)的表/列默认方面，并进行了显式指定。

• 我的笔记本电脑是安装有PostgreSQL 9.2.4的OSX
• 我的服务器是安装有PostgreSQL 9.1.9的Ubuntu

二者共同点：

  # show lc_collate ;
   en_US.UTF-8
  # show lc_ctype ;
   en_US.UTF-8

在我的笔记本电脑上：

select ',' < '-' collate "en_US.UTF-8" as result;
  true

现在，我的服务器没有 "en_US.UTF-8" 这种排序方式，但它有 "en_US.utf8"（虽然我知道这不是同一件事，但我预期它会表现相同）

select ',' < '-' collate "en_US.utf8" as result;
 false

所以，现在我有点慌了。 "C"排序规则总是会说（对于这两台机器来说）','小于'-'，而我的大脑也同意这种排序。

哪个utf8实现是正确的？如果有人能向我指出定义，那会很有帮助，因为我只找到了针对OSX的“破损”指责。所以我担心自己一直以来都认为逗号在连字符之前是错误的，但在一个相当可靠的文本和Unicode仲裁者中，如Python，在Ubuntu服务器上得出：

>>> print u',' < u'-', ',' < '-'
True True

所以，我觉得在我的Ubuntu服务器上，这个排序概念比我的OSX服务器更糟糕。但是我没有“正确”的排序方法来创建我的“en_US.UTF-8”排序，如“create collation”，所以我不知道如何创建匹配，或者应该使用哪个答案（真/假）作为正确参考。（除了针对ASCII字符支持ASCII顺序的个人倾向）。

总之，对于en_US.UTF-8，哪个是正确的答案？

- Woody Anderson

Answer 1

在默认Unicode排序元素表中，您可以看到以下两个条目：

002C  ; [*0220.0020.0002] # COMMA
002D  ; [*020D.0020.0002] # HYPHEN-MINUS

在这里，COMMA的主要权重大于HYPHEN-MINUS的主要权重，因此HYPHEN-MINUS排在COMMA之前。

请注意，这是根据默认权重的Unicode排序算法的预期排序顺序。如果您希望按ASCII字节值进行排序，则会获得不同的排序顺序。存在其他有效的排序顺序。但是，如果区域设置命名为"en_US.UTF-8"（或"en_US.utf8"，相同的语言环境），则您可能希望使用Unicode排序。但这取决于您和操作系统供应商之间的约定。

- Peter Eisentraut

---

你是在说Postgres将排序工作委托给了主机操作系统吗？ - Basil Bourque

回答自己的问题：显然，主机操作系统（OS）在所有平台上提供了除Postgres捆绑的两种排序（C和POSIX）之外的其他排序。页面部分Managing Collations中的文档如此说明。感谢Peter的回答-我受益匪浅。 - Basil Bourque

此外，这篇文章（https://dev59.com/cnNA5IYBdhLWcg3wF5qO）回答了我关于Python排序问题的疑问。 - Woody Anderson