SELECT 查询 PostgreSQL 中的西里尔符号

Question

我有一个电报机器人（Aiogram，Python），它连接到 PostgreSQL 数据库。

如果用户输入了某个用户名（西里尔文、俄文或乌克兰文），机器人应返回有关该用户的完整信息，并存储在数据库中。

问题是：当机器人查询数据库时，用户名例如“Сергій”，它什么也不返回，尽管数据库中存在信息。

SELECT * 
FROM users 
WHERE username = 'Сергій';

我发现问题出在“c”或“i”之类的符号中，它们看起来很相似，但在 UTF-8 中具有不同的十六进制代码。如果我们以这种方式更改查询，一切正常

SELECT * 
FROM users 
WHERE username LIKE '_ерг_й';

我已经将数据库编码更改为 UTF-8，但还是有这个问题。 如果我直接从数据库中复制用户名并将其粘贴到机器人的输入字段中 - 它可以工作。

这是我的代码的主要片段：

@dp.message_handler()
async def username_input_handler(message: Message):
    username = message.text

    answer_text = await db.search_by_username(username)
    await message.answer(text=answer_text)

# database class
class Database():
    ...
    async def search_by_username(username):
        query = "SELECT * FROM users WHERE username LIKE $1"
        user = await self.pool.execute(query, username)
        return user
    ...

更新：

仅当我查询“用户”表时才会出现问题。此表的数据是从 .txt 文件导入的。

对另一个表运行相同的查询可以正常工作。

Answer 1

如果用户输入的字符与数据库中的字符完全相同，则查询将起作用，但显然不是。您可能需要相似性搜索：

CREATE EXTENSION pg_trgm;

CREATE INDEX ON users USING gist (username gist_trgm_ops);

SELECT *
FROM users
ORDER BY username <-> 'Сергій'
LIMIT 1;

这对于像Сергій 这样的短名称可能并不令人满意。如果С 和і 都是错误字符，则只剩下一个三元组可以匹配：ерг。这可能找不到您正在寻找的最接近的匹配项。

您可能需要编写一个函数cyrillic_normalize，将每个非西里尔字母替换为“最接近”的西里尔字母，例如

CREATE FUNCTION cyrillic_normalize(text) RETURNS text
   LANGUAGE sql AS
$$SELECT translate ($1, 'Ci', 'Сі')$$;

第一个字符串包含拉丁字母，第二个字符串包含相应的西里尔字母。

然后将您的查询更改为

WHERE cyrillic_normalize(username) = cyrillic_normalize('Сергій')