Redrock Postgres 搜索 英文
版本: 9.3 / 9.4 / 9.5 / 9.6 / 10 / 11 / 12 / 13 / 14 / 15 / 16

F.10. citext — 不区分大小写的字符字符串类型 #

F.10.1. 基本原理
F.10.2. 如何使用
F.10.3. 字符串比较行为
F.10.4. 限制
F.10.5. 作者

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。

提示

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。

F.10.1. 基本原理 #

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 UNIQUEPRIMARY 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。

F.10.2. 如何使用 #

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

F.10.3. 字符串比较行为 #

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 ~~* 表现出相同的行为:它们都匹配不区分大小写。 !~!~* 也是如此, LIKE 运算符 ~~~~* 以及 !~~!~~* 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

F.10.4. 限制 #

  • 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。

  • 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。

F.10.5. 作者 #

David E. Wheeler

灵感来自 Donald Fraser 创作的原始 citext 模块。