PostgreSQL Texte intégral Recherche caractère espagnol Ñ

Question

Je suis confronté à un problème lorsque vous faites la recherche en texte intégral avec PostgreSQL sur le texte qui contient de caractère espagnol Ñ

Lorsque je tente de tokenizer le mot espagnol Ano '(année) Je reçois les résultats suivants en fonction de si l'entrée est supérieure ou inférieure cas:

SELECT to_tsvector('spanish','AÑO'),to_tsquery('spanish','año') 
"to_tsvector" "to_tsquery" 
"'aÑo':1" "'año'" 

Comme vous pouvez le voir le résultat n'est pas le même et il est sensible à la casse, il fait ma demande de recherche en texte intégral interroge la casse si elles contient ce caractère.

Y at-il un moyen de résoudre ce problème? J'ai recherché dans la documentation de PostgreSQL sur la recherche en texte intégral, et je ne sais pas comment changer ce comportement sur les dictionnaires installés.

Merci beaucoup. Martí

Answer 1

La possibilité pour to_tsvector convertir Ñ en ñ dépend de l'environnement local, et plus particulièrement sur lc_ctype. Votre base de données utilise vraisemblablement un LC_CTYPE tel que C dont les connaissances sont limitées à US-ASCII.

Exemple avec un LC_CTYPE compatible avec Unicode:

 
test=> show lc_ctype; 
    lc_ctype 
------------- 
fr_FR.UTF-8 
(1 row) 

test=> SELECT to_tsvector('spanish','AÑO'),to_tsquery('spanish','año'); 
to_tsvector | to_tsquery 
-------------+------------ 
'año':1  | 'año' 
(1 row) 

Notez que le downcasing est ce que vous attendez.

exemple face avec C:

création:

CREATE DATABASE cc lc_ctype 'C' template template0; 

Notez l'absence de downcasing, comme dans la question:

 
cc=> show lc_ctype ; 
lc_ctype 
---------- 
C 
(1 row) 

cc=> SELECT to_tsvector('spanish','AÑO'),to_tsquery('spanish','año'); 
to_tsvector | to_tsquery 
-------------+------------ 
'aÑo':1  | 'año' 
(1 row)