為什么 PostgreSQL 對部分區分大小寫和部分不區分大小寫進行排序？

Question

我無法理解 PostgreSQL (v11.10) 的行為。 這是我所做的：

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;

這就是我得到的。

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

看起來前三個名稱的排序不區分大小寫，但后四個名稱的排序區分大小寫。 為什么？

換句話說，如果排序區分大小寫，我希望順序如下：

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

如果它不區分大小寫，我希望這樣：

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

相反，我得到的是兩者的混合，這讓我感到困惑......

為了完整性：

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

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

Answer 1

自然語言排序比你想象的要復雜。 他們使用不同的比較級別，當字符串在較低級別比較相等時，較高級別用作決勝局。 通常，在初級階段忽略重音和大小寫。 在中學階段，重音得到尊重，但大小寫被忽略。 在第三級，大小寫和口音受到尊重。

因此，字符串Etat 、 état和etat在主要級別上比較相同。 在中等水平上， état將大於其他兩個，這將是相等的。 在高等教育層面， etat將小於Etat 。 總而言之，我們最終得到

'etat' < 'Etat' < 'état'

大寫字符大於小寫字符有點隨意，使用 ICU 排序規則，您可以配置大部分這些方面。

在您的示例中， BEET在初級級別上低於Bernstein ，因此這就是字符串排序的順序。