如何在PostgreSQL中匹配不同语言字母及查找非ASCII字母序列？

PostgreSQL支持Unicode正则表达式属性，这是精准定位非ASCII字母的核心，以下是几种实用实现方式：

方法1：使用Unicode正则匹配非ASCII字母 #

利用\p{L}匹配所有Unicode字母，再通过交集规则排除ASCII字母，直接定位非ASCII字母序列：

-- 查找包含非ASCII字母的记录
SELECT your_column
FROM your_table
WHERE your_column ~ '[\p{L}&&[^A-Za-z]]';

如果需要提取字段中的非ASCII字母序列，可搭配regexp_matches函数：

-- 提取所有非ASCII字母序列（g参数表示全局匹配）
SELECT your_column, regexp_matches(your_column, '[\p{L}&&[^A-Za-z]]+', 'g') AS non_ascii_letters
FROM your_table
WHERE your_column ~ '[\p{L}&&[^A-Za-z]]';

方法2：结合ascii()函数判断 #

通过ascii()函数获取字符的Unicode码点（ASCII字符码点≤127），同时验证是否为字母：

-- 筛选单个非ASCII字母字符
SELECT ch
FROM (VALUES ('A'), ('Ñ'), ('ü'), ('Ä'), ('5'), ('@')) AS t(ch)
WHERE ascii(ch) > 127 AND ch ~ '\p{L}';

针对字段内容，可先过滤非字母字符，再检查是否存在非ASCII内容：

SELECT your_column
FROM your_table
WHERE ascii(regexp_replace(your_column, '[^\p{L}]', '', 'g')) > 127;

与SQL Server的差异说明 #

SQL Server中@ch BETWEEN 'A' and 'Z'能匹配Ñ、ü这类字符，是因为其默认排序规则包含扩展ASCII字符范围；而PostgreSQL默认按Unicode码点排序，直接用BETWEEN无法覆盖这类字符，必须借助Unicode正则属性才能匹配所有语言的字母。

内容的提问来源于stack exchange，提问作者Jitendra Loyal