为什么 PostgreSQL 对部分区分大小写和部分不区分大小写进行排序？

Question

我无法理解 PostgreSQL (v11.10) 的行为。 这是我所做的：

create temp table test (first_name text, last_name text);
insert into test values
  ('Hanna', 'Beat'),
  ('JOAN', 'BEET'),
  ('Mark', 'Bernstein'),
  ('ALFRED', 'DOE'),
  ('henry', 'doe'),
  ('Henry', 'Doe'),
  ('Dennis', 'Doe');
select last_name, first_name from test order by last_name, first_name;

这就是我得到的。

 last_name | first_name 
-----------+------------
 Beat      | Hanna
 BEET      | JOAN
 Bernstein | Mark
 doe       | henry
 Doe       | Dennis
 Doe       | Henry
 DOE       | ALFRED
(7 rows)

看起来前三个名称的排序不区分大小写，但后四个名称的排序区分大小写。 为什么？

换句话说，如果排序区分大小写，我希望顺序如下：

 last_name | first_name 
-----------+------------
 Beat      | Hanna
 Bernstein | Mark
 BEET      | JOAN
 doe       | henry
 Doe       | Dennis
 Doe       | Henry
 DOE       | ALFRED
(7 rows)

如果它不区分大小写，我希望这样：

 last_name | first_name 
-----------+------------
 Beat      | Hanna
 BEET      | JOAN
 Bernstein | Mark
 DOE       | ALFRED
 Doe       | Dennis
 doe       | henry
 Doe       | Henry
(7 rows)

相反，我得到的是两者的混合，这让我感到困惑......

为了完整性：

# show lc_collate; show lc_ctype;
 lc_collate  
-------------
 en_US.UTF-8
(1 row)

  lc_ctype   
-------------
 en_US.UTF-8
(1 row)

Answer 1

自然语言排序比你想象的要复杂。 他们使用不同的比较级别，当字符串在较低级别比较相等时，较高级别用作决胜局。 通常，在初级阶段忽略重音和大小写。 在中学阶段，重音得到尊重，但大小写被忽略。 在第三级，大小写和口音受到尊重。

因此，字符串Etat 、 état和etat在主要级别上比较相同。 在中等水平上， état将大于其他两个，这将是相等的。 在高等教育层面， etat将小于Etat 。 总而言之，我们最终得到

'etat' < 'Etat' < 'état'

大写字符大于小写字符有点随意，使用 ICU 排序规则，您可以配置大部分这些方面。

在您的示例中， BEET在初级级别上低于Bernstein ，因此这就是字符串排序的顺序。