如何在PostgreSQL数据库中处理多种人类语言？

Question

如果数据库使用UTF-8编码，可以正确存储和检索所有人类语言的文本吗？

在PostgreSQL数据库中处理非英语语言时是否有任何“疑难杂症”？

使用Ruby on Rails和PostgreSQL 9.1。

Answer 1

除了蜘蛛和凯文的点（使用UTF-8客户端和ENCODING 'utf-8'数据库，谨防不同的排序规则），我强烈建议标记每个文本字段的语言是在如果在所有可能的。

如果您想要使用全文搜索或任何类型的语言分析，它确实有助于了解每个字段所在的语言。全文搜索无法进行根词分析等，除非它具有字典和后缀列表中的索引文本 - 因此它需要知道该语言。

存储ISO 639 language codes可能是一个合理的选择。

Answer 2

UTF-8可以编码所有的Unicode代码点，所以是的，你根本没有任何问题。尽管如此，您仍然需要使用UTF-8连接进行连接，并确保您的应用程序还将输出读取为UTF-8编码文本。

Answer 3

不同的语言倾向于以不同的方式排列相同的字符串，因此排序时请注意COLLATION。

http://www.postgresql.org/docs/current/static/collation.html