- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有包含两个相似字符的字符串。两者都显示为带有 ogonek 的小“a”:
±
±
(注意:根据渲染器,它们有时呈现相似,有时略有不同)
但是,它们是不同的:
第一个字符的特征:
在 PostgreSQL 中:
select ascii('ą');
ascii
-------
261
十六进制的 UTF-8 编码是:\xC4\x85
所以它是一个预组合字符 ( https://en.wikipedia.org/wiki/Precomposed_character )
第二个字符的特征:
在 PostgreSQL 中:
select ascii('ą');
ascii
-------
97
(与字符'a'相同)
这强烈表明渲染的字符是由两个字符组合而成的。它确实是:
十六进制的 UTF-8 编码是:\x61\xCC\xA8
所以是组合
一个\x61\
和一个组合字符 ( https://en.wikipedia.org/wiki/Combining_character ),单独的 ogonek:
̨ \xCC\xA8
我想使用 PostgreSQL 的 levenshtein 函数来确定单词的相似性,因此我想将两个字符视为相同的(因为这当然是写一个独特名称的人的意图)具有第一个或第二个字符的实体)。
我假设我可以使用 unaccent 来始终摆脱 ogonek,但这在第二种情况下不起作用:
第一个字符:预期结果:
select levenshtein('ą', 'x');
levenshtein
-------------
1
第一个字符:预期结果:
select levenshtein(unaccent('ą'), 'x');
levenshtein
-------------
1
第二个字符:预期结果:
select levenshtein('ą', 'x');
levenshtein
-------------
2
第二个字符:意外结果:
select levenshtein(unaccent('ą'), 'x');
levenshtein
-------------
2
所以,当我将两个字符与 levenshtein 和 unaccent 进行比较时,结果是 1:
select levenshtein(unaccent('ą'), unaccent('ą'));
levenshtein
-------------
1
而不是 0。
在第二种情况下,我怎样才能“摆脱 ogonek”?
(如何)使用String的UTF-8编码可以得到实现的结果?
编辑:正如@s-man 建议的那样,将组合字符添加到unaccent.rules
将解决这个特定问题。但是要普遍解决预组合字符与组合字符的unaccent问题,我必须明确添加/修改每个缺失/“错误配置”组合字符到/在配置中。
最佳答案
移除重音符号会让编辑距离为 0,但它也会让 ±
和 a
之间的距离为 0,这听起来并不理想。
更好的解决方案是 normalise Unicode 字符串,即将组合字符序列 E'a\u0328'
转换为预组合字符 E'\u0105'
,然后再进行比较。
不幸的是,Postgres 似乎没有内置的 Unicode 规范化功能,但您可以通过 PL/Perl 轻松访问一个。或 PL/Python语言扩展。
例如:
create extension plpythonu;
create or replace function unicode_normalize(str text) returns text as $$
import unicodedata
return unicodedata.normalize('NFC', str.decode('UTF-8'))
$$ language plpythonu;
然后:
test=# select levenshtein(unicode_normalize(E'a\u0328'), unicode_normalize(E'\u0105'));
levenshtein
-------------
0
这也解决了 your previous question 中的问题,其中组合字符对 Levenshtein 距离有贡献:
test=# select levenshtein(unicode_normalize(E'a\u0328'), 'x');
levenshtein
-------------
1
关于Postgresql levenshtein 和预组合字符与组合字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56683034/
我的 postgresql 有问题,我复制了所有文件,然后将其删除。然后,我安装了新的,问题就解决了。现在可以将旧文件和文件导入新文件吗? 最佳答案 如果它们是相同的主要版本(即 9.0 到 9.0.
我想使用 Postgresql 9.2.2 来存储我的应用程序的数据。我不得不构建一个应该基于数据库级别的触发器(当数据库启动时,这个触发器将被触发并执行。),当 postgresql 服务器启动时是
我已经使用下面的查询从 Postgresql 目录表中获取 Sequence 对象的完整信息 select s.sequence_name, s.start_value, s.minimum_valu
Postgres 版本:9.3.4 我需要执行驻留在远程数据库中的函数。该函数根据给定的参数返回一个统计数据表。 我实际上只是在我的本地数据库中镜像该函数,以使用我的数据库角色和授权来锁定对该函数的访
我在 CentOS 7 上,我正在尝试解决“PG::ConnectionBad: FATAL: Peer authentication failed for user”错误。 所以我已经想出我应该更改
我写了一个触发器函数,在触发器表列名上循环,我从具有不同列的不同表调用该函数。该函数将列名插入到数组中并在它们上循环,以便将值插入到另一个模式和表中。 函数和触发器创建脚本: DROP TRIGGER
PostgreSQL 的默认空闲连接超时是多少,我运行了 show idle_in_transaction_session_timeout 查询并返回了 0,但是值 0 表示此选项被禁用,但我想知道默
我需要将十六进制值存储到数据库表中,谁能推荐我需要用于属性的数据类型? 提前致谢 最佳答案 您可以使用bytea 来存储十六进制格式。更多信息 can be found in the postgres
我有一个具有复合主键的(大)表,由 5 列(a、b、c、d、e)组成。 我想高效地选择具有其中两列 (a + e) 的所有行到给定值。 在 PostgreSQL 中,我需要索引吗?或者数据库会使用主键
在阅读 PostreSQL (13) 文档时,我遇到了 this页面,其中列出了不同日期时间类型的存储大小。 除其他外,它指出: Name Storag
我有两个大整数的巨大表(500 000 000 行)。两列都被单独索引。我正在使用语法批量插入此表: INSERT into table (col1, col2) VALUES(x0, y0), (x
有一台 CentOS7 Linux 机器正在运行(不是由我管理;拥有有限的权限)。 请求在其中设置 PostgreSQL。 刚刚从 CentOS 存储库安装了 PostgreSQL: sudo yum
我在 Ubuntu 18.04 上安装了 Postgresql 10,但不知何故坏了,不会重新启动。我可以重新安装它而不破坏它的数据库,以便我可以再次访问数据库吗? pg_dump 不起作用。 最佳答
我想在 UNIX 中使用 crontab 自动备份 PostgreSQL 数据库。我已经尝试过,但它会创建 0 字节备份。 我的 crontab 条目是: 24 * * * * /home/desk
我已经完成了PG服务器的安装。我希望能够使用 pgAdmin 远程连接到它,但不断收到服务器不听错误。 could not connect to server: Connection refused
Oracle 支持波斯历但需要知道 PostgreSQL 是否支持波斯历? 如果是,那么我们如何在 PostgreSQL 中将默认日历类型设置为 Persian 而不是 Gregorian(在 Ora
假设我们有一个带有表的 SQL 数据库 Person以及访问它的几个应用程序。出于某种原因,我们想修改 Person表以向后不兼容的方式。 保持兼容性的一种潜在解决方案是将表重命名为 User并创建一
我使用 PostgreSQL 中的模式来组织我庞大的会计数据库。每年年底,我都会通过为下一年创建一个新模式来进行协调过程。 新模式的文件是否与旧模式物理分离?或者所有模式一起存储在硬盘上? 这对我来说
我正在尝试使用配置文件中的以下配置参数调整 PostgreSQL 服务器: autovacuum_freeze_max_age = 500000000 autovacuum_max_workers =
我的数据包含数据库列中的表情符号,即 message_text ------- 🙂 😀 Hi 😀 我只想查询包含表情符号的数据的行。在 postgres 中是否有一种简单的方法可以做到这一点?
我是一名优秀的程序员,十分优秀!