The citext
模块提供了一种不区分大小写的字符串类型,citext
。实质上,它在比较值时内部调用 lower
。否则,它的行为几乎与 text
完全相同。
考虑使用非确定性排序规则(参见 第 23.2.2.4 节)而不是这个模块。它们可以用于不区分大小写的比较、不区分重音符号的比较以及其他组合,并且它们可以正确处理更多 Unicode 特殊情况。
此模块被认为是 “受信任的”,也就是说,它可以由没有超级用户权限,但在当前数据库上具有 CREATE
权限的用户安装。
在 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(?);
这工作得很好,但有一些缺点
它使您的 SQL 语句变得冗长,并且您总是要记住在列和查询值上都使用 lower
。
除非您使用 lower
创建函数索引,否则它不会使用索引。
如果您将列声明为 UNIQUE
或 PRIMARY KEY
,则隐式生成的索引区分大小写。因此,它对不区分大小写的搜索没有用,而且它也不会不区分大小写地强制唯一性。
The citext
数据类型允许您在 SQL 查询中消除对 lower
的调用,并允许主键不区分大小写。 citext
与 text
一样支持区域设置,这意味着大写和小写字符的匹配取决于数据库的 LC_CTYPE
设置规则。同样,这种行为与在查询中使用 lower
相同。但是,由于数据类型透明地执行了此操作,因此您不必记住在查询中执行任何特殊操作。
以下是一个简单的使用示例
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';
The SELECT
语句将返回一个元组,即使 nick
列被设置为 larry
,而查询是针对 Larry
。
citext
通过将每个字符串转换为小写(就好像调用了 lower
一样)然后正常比较结果来执行比较。因此,例如,如果 lower
对两个字符串产生相同的结果,则这两个字符串被认为相等。
为了尽可能地模拟不区分大小写的排序规则,存在一些针对 citext
的特定字符串处理运算符和函数版本。因此,例如,正则表达式运算符 ~
和 ~*
在应用于 citext
时表现出相同的行为:它们都匹配不区分大小写。对于 !~
和 !~*
以及 LIKE
运算符 ~~
和 ~~*
,以及 !~~
和 !~~*
也是如此。如果您想区分大小写匹配,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
,则以下所有函数都将不区分大小写地执行匹配
regexp_match()
regexp_matches()
regexp_replace()
regexp_split_to_array()
regexp_split_to_table()
replace()
split_part()
strpos()
translate()
对于正则表达式函数,如果您想区分大小写匹配,可以指定 “c” 标志来强制区分大小写匹配。否则,如果您想区分大小写,则必须在使用这些函数之前将其强制转换为 text
。
citext
的大小写折叠行为取决于数据库的 LC_CTYPE
设置。因此,它比较值的方式是在创建数据库时确定的。它在 Unicode 标准定义的术语中不是真正的不区分大小写。实际上,这意味着,只要您对排序规则感到满意,您就应该对 citext
的比较感到满意。但是,如果您在数据库中存储了不同语言的数据,则如果排序规则是针对另一种语言,则一种语言的用户可能会发现他们的查询结果不符合预期。
从 PostgreSQL 9.1 开始,您可以将 COLLATE
规范附加到 citext
列或数据值。当前,citext
运算符在比较大小写折叠后的字符串时将遵守非默认的 COLLATE
规范,但初始折叠为小写始终根据数据库的 LC_CTYPE
设置执行(也就是说,就好像给出了 COLLATE "default"
一样)。这可能会在将来的版本中更改,以便这两个步骤都遵循输入的 COLLATE
规范。
citext
效率不如 text
,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
支持 B 树去重。但是,citext
比使用 lower
来获得不区分大小写的匹配效率略高。
如果您需要在某些情况下区分大小写比较数据,而在其他情况下不区分大小写比较数据,citext
帮助不大。标准答案是使用 text
类型,并在需要不区分大小写比较时手动使用 lower
函数;如果只偶尔需要不区分大小写比较,这就可以正常工作。如果您大多数情况下需要不区分大小写行为,而区分大小写行为很少,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强制转换为 text
。在这两种情况下,如果您希望两种类型的搜索都很快,您都需要两个索引。
包含 citext
运算符的模式必须在当前的 search_path
中(通常是 public
);如果不是,则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一些 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。Unicode 区分大小写映射和大小写折叠,原因就在于此。使用非确定性排序规则而不是 citext
来正确处理这种情况。
如果您在文档中发现任何错误,不符合您对特定功能的体验,或者需要进一步澄清,请使用 此表格 报告文档问题。