citext
模块提供了一种不区分大小写的字符字符串类型 citext
。从本质上讲,它在比较值时内部调用 lower
。除此之外,它的行为几乎与 text
完全相同。
考虑使用非确定性排序规则(请参见 第 24.2.2.4 节),而不是此模块。它们可用于不区分大小写的比较、不区分重音的比较以及其他组合,并且可以正确处理更多 Unicode 特殊情况。
此模块被认为是 “受信任的”,也就是说,它可以由在当前数据库上拥有 CREATE
权限的非超级用户安装。
在 PostgreSQL 中进行不区分大小写匹配的标准方法是在比较值时使用 lower
函数,例如
SELECT * FROM tab WHERE lower(col) = LOWER(?);
这种方法效果不错,但有一些缺点
它会使 SQL 语句变得冗长,并且你必须始终记住对列和查询值都使用 lower
。
它不会使用索引,除非你使用 lower
创建一个函数索引。
如果你将一个列声明为 UNIQUE
或 PRIMARY KEY
,则隐式生成的索引是区分大小写的。因此,它对不区分大小写的搜索毫无用处,并且它不会强制不区分大小写地保证唯一性。
数据类型 citext
允许您消除 SQL 查询中的 lower
调用,并允许主键不区分大小写。 citext
具有区域感知性,就像 text
一样,这意味着大小写字符的匹配取决于数据库 LC_CTYPE
设置的规则。同样,此行为与在查询中使用 lower
相同。但是,由于数据类型会透明地执行此操作,因此您不必记住在查询中执行任何特殊操作。
以下是一个简单的用法示例
CREATE TABLE users ( nick CITEXT PRIMARY KEY, pass TEXT NOT NULL ); INSERT INTO users VALUES ( 'larry', sha256(random()::text::bytea) ); INSERT INTO users VALUES ( 'Tom', sha256(random()::text::bytea) ); INSERT INTO users VALUES ( 'Damian', sha256(random()::text::bytea) ); INSERT INTO users VALUES ( 'NEAL', sha256(random()::text::bytea) ); INSERT INTO users VALUES ( 'Bjørn', sha256(random()::text::bytea) ); SELECT * FROM users WHERE nick = 'Larry';
SELECT
语句将返回一个元组,即使 nick
列设置为 larry
而查询为 Larry
。
citext
通过将每个字符串转换为小写(就像调用 lower
一样)然后正常比较结果来执行比较。因此,例如,如果 lower
为两个字符串生成相同的结果,则这两个字符串被认为是相等的。
为了尽可能地模拟不区分大小写的排序规则,有许多字符串处理运算符和函数的 citext
特定版本。因此,例如,当应用于 citext
时,正则表达式运算符 ~
和 ~*
表现出相同的行为:它们都匹配不区分大小写。 !~
和 !~*
也是如此, LIKE
运算符 ~~
和 ~~*
以及 !~~
和 !~~*
也是如此。如果您想匹配区分大小写,可以将运算符的参数强制转换为 text
。
类似地,如果其参数为 citext
,则以下所有函数都执行不区分大小写的匹配
regexp_match()
regexp_matches()
regexp_replace()
regexp_split_to_array()
regexp_split_to_table()
replace()
split_part()
strpos()
translate()
对于 regexp 函数,如果您想匹配区分大小写,可以指定 “c” 标志以强制进行区分大小写的匹配。否则,如果您希望区分大小写,则必须在使用其中一个函数之前将其强制转换为 text
。
citext
的大小写折叠行为取决于数据库的 LC_CTYPE
设置。因此,它如何比较值是在创建数据库时确定的。它并不是真正地不区分大小写,按照 Unicode 标准定义的术语来说。实际上,这意味着,只要你对你的排序规则感到满意,你应该对 citext
的比较感到满意。但是,如果你的数据库中存储了不同语言的数据,则一种语言的用户可能会发现,如果排序规则是针对另一种语言的,则他们的查询结果与预期不符。
从 PostgreSQL 9.1 开始,你可以将 COLLATE
规范附加到 citext
列或数据值。目前,citext
运算符将在比较大小写折叠的字符串时遵守非默认的 COLLATE
规范,但最初折叠为小写始终根据数据库的 LC_CTYPE
设置进行(即,好像给出了 COLLATE "default"
)。这可能会在未来版本中更改,以便这两个步骤都遵循输入 COLLATE
规范。
citext
不如 text
高效,因为运算符函数和 B 树比较函数必须复制数据并将其转换为小写以进行比较。此外,只有 text
可以支持 B 树重复数据删除。但是,citext
比使用 lower
来获取不区分大小写的匹配稍微高效一些。
如果你需要在某些上下文中以区分大小写的方式比较数据,而在其他上下文中以不区分大小写的方式比较数据,citext
帮不了多少忙。标准答案是使用 text
类型,并在需要不区分大小写地比较时手动使用 lower
函数;如果只需要不频繁地进行不区分大小写的比较,这样做就可以了。如果你大多数时候需要不区分大小写的行为,而很少需要区分大小写的行为,请考虑将数据存储为 citext
,并在需要区分大小写比较时将列显式转换为 text
。在任何一种情况下,如果你希望两种类型的搜索都很快,你将需要两个索引。
包含 citext
运算符的模式必须在当前 search_path
(通常为 public
)中;如果不是,将调用正常的区分大小写的 text
运算符。
将字符串转换为小写以进行比较的方法无法正确处理某些 Unicode 特殊情况,例如当一个大写字母有两个小写字母等效项时。出于这个原因,Unicode 区分了 大小写映射 和 大小写折叠。使用非确定性排序规则代替 citext
来正确处理这一点。