PostgreSQL 不区分大小写和不区分重音的搜索

Question

我有一个数据表，我想过滤列。例如，按用户的全名搜索用户。

\n

但是，我希望允许用户输入搜索短语时不区分大小写和重音。

\n

所以我检查了这些（以及更多）来源和问题：

\n

\n
• /sf/answers/770505151/
\n
• 如何在 PostgreSQL 中忽略区分大小写的行
\n
• https://www.postgresql.org/docs/current/collat​​ion.html#COLLATION-NONDETERMINISTIC
\n

\n

我认为非确定性排序规则可能最终是实现这一目标的正确方法，但不幸的是我不知道如何：

\n

\n
• 将 case_insensitive 和ignore_accents 合并为一种排序规则
\n
• 如何允许仅通过此类 WHERE 中的子字符串进行搜索（例如，仅通过字符串“joh”查找“J\xc3\xb3hn Doe”），因为非确定性排序规则不支持 LIKE 或正则表达式
\n
• 使用哪个索引
\n

\n

对于如何最终处理此类问题的任何建议，我将非常感激。

\n

谢谢！

\n

Answer 1

创建不区分大小写和重音的 ICU 排序规则非常简单：

CREATE COLLATION english_ci_ai (
   PROVIDER = icu,
   DETERMINISTIC = FALSE,
   LOCALE = "en-US-u-ks-level1"
);

或者，等效地（该语法也适用于旧的 ICU 版本：

CREATE COLLATION english_ci_ai (
   PROVIDER = icu,
   DETERMINISTIC = FALSE,
   LOCALE = "en-US@colStrength=primary"
);

有关详细信息，请参阅ICU 文档和我的文章以了解详细讨论。

但你的问题是你想要子字符串搜索。所以你应该创建一个三元组索引：

CREATE EXTENSION IF NOT EXISTS pg_trgm;
CREATE EXTENSION IF NOT EXISTS unaccent;

CREATE INDEX ON tab USING gin (unaccent(doc) gin_trgm_ops);

然后你可以这样搜索：

SELECT * FROM tab
WHERE unaccent(doc) ILIKE unaccent('%joh%');

请注意，如果您希望高效，则必须强制搜索字符串的最小长度为 4 左右。