如何让Python实现与PostgreSQL（en_US.UTF-8排序）一致的字符串排序？

问题场景 #

你的PostgreSQL数据库使用en_US.UTF-8排序规则：

# SHOW lc_collate;
 lc_collate  
-------------
 en_US.UTF-8

但Python与PostgreSQL对同一字符串列表的排序结果不一致：

• Python默认排序输出：

sorted(['C - test', 'Common Scope'])
['C - test', 'Common Scope']

• PostgreSQL默认排序输出：

# select * from TEST ORDER BY name;
     name      
--------------
 Common Scope
 C - test

已知在PostgreSQL查询中添加COLLATE "C"可让其排序结果与Python一致，现在需要让Python的排序逻辑匹配PostgreSQL的en_US.UTF-8规则。

解决方案 #

可以通过Python的locale模块实现，利用指定区域的排序规则进行字符串排序：

实现代码 #

import locale

# 设置排序使用的区域为en_US.UTF-8
locale.setlocale(locale.LC_COLLATE, 'en_US.UTF-8')

# 用locale.strxfrm作为排序key，遵循en_US.UTF-8规则排序
sorted_list = sorted(['C - test', 'Common Scope'], key=locale.strxfrm)
print(sorted_list)
# 输出结果：['Common Scope', 'C - test']

注意事项 #

• 不同操作系统的区域名称可能有差异：比如Windows系统可能需要使用'English_US.UTF-8'作为区域参数，若设置失败可查询对应系统的正确区域标识
• 若要恢复Python默认排序规则，可执行locale.setlocale(locale.LC_COLLATE, '')

内容的提问来源于stack exchange，提问作者John