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

[nataraj]

Там вообще жесть...
Есть еще что-то вроде

"а а"
"а (б)"
"а в"

(пишу по памяти, может быть не правильно запомнил конкретику)

И в некоторых случаях непонятны две вещи:
а) как сделать так чтобы сортировалось как надо
б) как сделать так чтобы везде сортировалось одинаково

[elglin]

Забавное совпадение - буквально вчера читал главу из мануала про AWK, где всячески подчеркивалась важность COLLATE "C" для многих приложений.

[yurikhan]

Ну, по UCA они не то чтобы игнорируются, просто выступают tiebreaker’ом четвёртого приоритета.

[gegmopo4]

И чем плох такой порядок?