PostgreSQL未正确处理带重音等Unicode字符的大小写转换问题

问题现状 #

当前数据库采用C区域设置（Collate和Ctype均为C），该设置基于POSIX标准，仅支持ASCII字符处理，导致以下问题：

1. upper()函数无法正确转换带重音的Unicode字符：

   mydb => select upper('árvore ação');
       upper
   -------------
    áRVORE AçãO
   (1 row)
   

2. 非拉丁字母无法被正则表达式的\w元字符识别为字母。

解决方案 #

需切换至支持通用Unicode处理的区域设置，推荐以下两种选项：

• en_US.UTF-8：英文区域搭配UTF-8编码，可正确处理所有Unicode字符的大小写转换与正则字符分类，且不绑定特定语言，适配多语言场景。
• C.UTF-8/unicode：部分系统支持的纯Unicode专用区域，针对通用Unicode场景优化，无语言绑定。

操作步骤 #

区域设置为数据库创建时的属性，无法直接修改现有数据库，需重新创建：

1. 创建新数据库的命令示例：

   CREATE DATABASE mydb_new WITH ENCODING 'UTF8' LC_COLLATE 'en_US.UTF-8' LC_CTYPE 'en_US.UTF-8' OWNER postgres;
   

2. 验证效果：切换至新数据库后执行测试，可得到正确转换结果：

   mydb_new => select upper('árvore ação αβγ');
           upper
   ----------------------
    ÁRVORE AÇÃO ΑΒΓ
   (1 row)
   

   同时\w正则会正确识别非拉丁字母（如希腊字母αβγ）为单词字符。

内容的提问来源于stack exchange，提问作者Gunther Schadow