在更长的字符串中，如何在 PostgreSQL（和/或 Python 3）中将一个字符（例如，'a'）和一个变音字符（例如，'U+030A'）转换为单个字符（'å'）[重复]

Posted 2023-02-24

【中文标题】在更长的字符串中，如何在 PostgreSQL（和/或 Python 3）中将一个字符（例如，\'a\'）和一个变音字符（例如，\'U+030A\'）转换为单个字符（\'å\'）[重复]

【英文标题】：In a longer string, how to convert a char (e.g., 'a') and a diacritic char (e.g., 'U+030A') into a single char ('å') in PostgreSQL (and/or Python 3) [duplicate]在更长的字符串中，如何在 PostgreSQL（和/或 Python 3）中将一个字符（例如，'a'）和一个变音字符（例如，'U+030A'）转换为单个字符（'å'）[重复]

【发布时间】：2021-10-06 08:29:45

【问题描述】：

我在 postgres 中使用 initcap() 函数时，我注意到对于某些名称，例如 gunnar pålsen，它会输出 Gunnar PåLsen（大写 L），其他时候它会正确地为一样的名字。在调查时我注意到å 实际上不是一个字符（U+00E5），而是两个字符：a（U+0061）和变音符号U+030A（ref）。

有没有一种简单/优雅的方法可以将这样的两个字符转换为一个字符？它也应该适用于其他版本，例如 é 和 ö。

我目前的解决方案是这样的：

select
    initcap(
        replace(
            replace(
                replace(
                    replace(
                        replace(
                            replace(
                                replace(
                                    lower(person.full_name),
                                    'á', 'á'
                                ),
                                'ö', 'ö'
                            ),
                            'å', 'å'
                        ),
                        'é', 'é'
                    ),
                    'è', 'è'
                ),
                'ä', 'ä'
            ),
            'ü', 'ü'
        )
    ) as full_name
from person

这不是很强大，可能会出现新的组合。 （请注意，这里的复制粘贴似乎已经成功转换了字符，所以假设左边的一个是两个字符，一个有变音符号。）

我也尝试使用translate()，但我认为它不会起作用，因为它似乎需要在单个字符之间进行翻译，而在这种情况下，我们是从二到一。

python 的解决方案也是可以接受的。部分数据流通过 python 进行，所以如果需要我可以在那里修复它。最好使用 postgres 解决方案。

【问题讨论】：

Unicode 称之为Unicode normalization。

谢谢它似乎在 postgres 中是这样的：SELECT NORMALIZE('Pål');

@Boris 是的。好像我根本不知道要搜索的正确单词。不确定我们是否应该关闭这个问题。如果您想回答，我可以接受它作为正确答案。

我将其标记为重复，您没有办法接受该标记吗？或者您也可以点击问题下方的灰色“关闭”并将其标记为重复。

@Boris 是的，我找到了按钮。它现在应该被标记为重复。再次感谢。

【参考方案1】：

根据@Boris 的评论，postgres 中的以下工作：

select initcap(normalize('gunnar pålsen')) as full_name

输出预期的Gunnar Pålsen。