如何让PostgreSQL将ك/ک等阿拉伯波斯语同形异码字符视为等价

直接用**ICU自定义排序规则（Collation）**实现，这是目前侵入性最低、性能最好、维护成本为0的方案，完全可以覆盖你说的ك/ک、ي/ی这类异码等价字符的匹配需求，不需要改业务代码、不需要维护数据清洗逻辑、不需要每次查询手动加转换函数。

实现步骤 #

1. 环境前置检查 #

首先确认你的PostgreSQL环境满足要求：

• 版本 >= 10（10版本开始正式支持自定义ICU排序规则，更低版本建议升级，实在升不了看文末的降级方案）
• 执行SELECT * FROM pg_collation WHERE collprovider = 'i' LIMIT 1;能返回结果，说明数据库编译时已经带了ICU组件，没有手动关闭ICU支持。

2. 创建自定义等价字符排序规则 #

你遇到的是阿拉伯语、波斯语键盘布局差异导致的典型同形异码问题，常用等价字符对已经整理完成，直接执行下面的SQL创建自定义collation即可：

CREATE COLLATION ar_fa_equivalent (
    provider = icu,
    locale = 'ar-SA', -- 可根据业务主语言换成fa-IR，不影响等价规则生效
    rules = '
        &ك = ک
        &ي = ی
        &ة = ۀ
        &ى = ی
        '
);

规则语法说明：&<基准字符> = <等价字符>是ICU规则的标准写法，告诉ICU引擎后续所有字符比较、排序、匹配场景下，这两个字符完全等价，不做编码层面的区分。如果后续遇到其他需要等价处理的字符，直接在rules里按格式加行就行。

3. 绑定到业务字段 #

直接修改产品表需要检索的字符字段的排序规则，一次修改永久生效：

-- 替换成你的实际表名、字段名、字段类型
ALTER TABLE products 
ALTER COLUMN product_name TYPE text 
COLLATE ar_fa_equivalent;

修改完成后，所有对该字段的操作：等值查询、LIKE模糊匹配、正则匹配、排序、唯一约束校验，都会自动识别等价字符，不需要改任何业务查询代码。

方案对比原有可选方案的优势 #

• 无额外运行时开销：ICU等价映射规则在collation创建时就完成加载，字符比较时直接走内存映射，性能和默认的C排序规则几乎无差，比每次查询调用TRANSLATE/自定义函数快5~10倍；字段绑定collation后建的普通B树索引直接支持等价匹配，不会出现索引失效问题。
• 零数据维护成本：不需要修改存量数据，不需要写定时任务、触发器做字符归一化，也不需要担心新增数据漏清洗。
• 无遗漏风险：所有涉及该字段的字符比较逻辑都会自动应用等价规则，不需要在每个查询里手动加转换函数，从根源上避免漏加导致的检索结果错误。

低版本PostgreSQL降级方案 #

如果你的数据库版本低于10，暂时无法升级，推荐用存储生成列替代，比定时任务/触发器方案维护成本低很多：

-- PostgreSQL 12及以上支持存储生成列，11及以下用触发器实现相同逻辑即可
ALTER TABLE products 
ADD COLUMN product_name_norm text 
GENERATED ALWAYS AS (TRANSLATE(product_name, 'كيةى', 'کیۀی')) STORED;
-- 给归一化字段建索引保证检索性能
CREATE INDEX idx_products_name_norm ON products(product_name_norm);

查询时直接匹配归一化字段即可，不需要每次查询实时做字符转换，性能比实时调用TRANSLATE高很多。

内容的提问来源于stack exchange，提问作者Zabihullah Alipour