如何从存储多语言消息的数据表中筛选出内容为俄语的行

需求背景 #

现有存储消息内容的数据表，结构示例如下：

id   message
1     hi
2     ok
3     துய
4     нет

需要仅返回内容为俄语的行，即上述示例中id=4的记录。

实现方案 #

俄语使用的西里尔字母对应Unicode编码范围为U+0400 ~ U+04FF，通过正则匹配该范围的字符即可筛选出俄语内容，不同数据库的查询写法如下：

• MySQL 写法

-- 直接匹配俄语字母
SELECT * FROM 表名 
WHERE message REGEXP '^[А-Яа-яЁё]+$';

• PostgreSQL 写法

SELECT * FROM 表名 
WHERE message ~ '^[А-Яа-яЁё]+$';

• SQLite 写法

SELECT * FROM 表名 
WHERE message REGEXP '^[А-Яа-яЁё]+$';

规则说明 #

• 上述正则仅匹配全部由俄语字符组成的字符串，如果需要匹配包含俄语字符、同时允许夹杂标点、数字等其他内容的记录，可去掉首尾定位符，将正则调整为[А-Яа-яЁё]即可
• 前三行内容分别为拉丁字母（英语）、泰米尔文字，均不在俄语字符范围内，不会被匹配到，仅俄语内容会返回

内容的提问来源于stack exchange，提问作者user458