Unicode, сортировки, а я маленький такой

[beldmit]

Коллега сегодня обнаружил, что при сортировке в уникодной локали PostgreSQL выдаёт записи в таком порядке:

_a
a
_c
d

что несколько контринтуитивно.

Вскрытие показало, что алгоритм сравнения в Unicode довольно хитровывернутый в этом месте. При сортировке в локали базы в итоге символы подчёркивания игнорируются.

Вылечилось это привешиванием COLLATE "C" на искомую колонку, который даёт сравнение, грубо говоря, побайтовое. Но вообще поведение документированное, но неочевидное.

Comments

[gegmopo4]

В списке файлов, например, это помогает. Или в списке идентификаторов. Ведь имена с подчёркиванием обычно семантически связаны с именами без подчёркивания. То же относительно дефисов, пробелов, точек.