查找所有带有希伯来名字的记录答案

【问题标题】：Find all records with Hebrew names查找所有带有希伯来名字的记录
【发布时间】：2017-10-01 17:39:29
【问题描述】：

我有一个带有 users 表的 postgresql 数据库，其中每个用户都有一个名称（在 unicode 中）。我想查找名称中至少包含一个希伯来语字符的所有用户。我曾想过使用regex，例如

select * from users
where name ~ '[א-ת]';

有没有比正则表达式更有效的方法？我在名称列上有一个 B 树索引。

更新

通过@FuzzyTree 将pg_trgm 模块的不同索引用作suggested

      B-tree GIST  GIN
user  0.04   0.04  0.03
sys   0.02   0.04  0.01
total 0.06   0.08  0.04

关于磁盘大小，GIN 索引是 GIST 的 0.2 倍，是 B-tree 的 0.8 倍。所以，我们在这里有一个赢家，至少对于我的用例而言。 YMMV（例如，我没有对索引创建和更新进行基准测试）。版本：postgres 9.6。

【问题讨论】：

来吧，超过 2k 的代表，你应该已经是我们想要的，当你提供一些代码 sn-ps 时，你可能会得到更有用的答案。
@Jan，sn-p 干什么用的？我问的是 what 做什么，而不是 how 做什么。如果有帮助，我可以为我当前的正则表达式代码添加一个 sn-p。

标签： sql regex postgresql performance hebrew

【解决方案1】：

一种选择是创建一个布尔列，即is_hebrew_name，您可以使用正则表达式更新一次并在其上创建常规索引。

如果您不想添加其他列并且正在运行 v9.3 或更高版本，请考虑使用 pg_trgm 模块在 name 上创建 GIN 或 GIST 索引

CREATE EXTENSION pg_trgm;
CREATE INDEX trgm_idx ON users USING GIST (name gist_trgm_ops);

pg_trgm 模块提供 GiST 和 GIN 索引运算符类允许您为文本列创建索引非常快速的相似性搜索。这些索引类型支持上述相似性算子，另外还支持基于三元组的索引搜索 LIKE、ILIKE、~ 和 ~* 查询。

索引搜索通过从常规中提取三元组来工作表达式，然后在索引中查找这些。更多的三字可以从正则表达式中提取，越有效索引搜索是。与基于 B-tree 的搜索不同，搜索字符串不需要左锚。

对于 LIKE 和正则表达式搜索，请记住没有可提取三元组的模式将退化为全索引扫描。

GiST 和 GIN 索引之间的选择取决于相对讨论了 GiST 和 GIN 的性能特征其他地方。

欲了解更多信息，请参阅https://www.postgresql.org/docs/9.6/static/pgtrgm.html

【讨论】：

谢谢，我会test 并报告结果。