Dotaz: Postgresql a razeni

[YuEN]

Dobry den, mam postgres inicializovan s sk_SK.utf-8 locale, vsimnul jsem si, ze nektere znaky nejskou spravne serazeny, napr Ď = D, á = a, jak by je vubec nerozeznaval, nevite v cem by mohla byt chyba ?

Odpovědi

[Filip Jirsák]

To je správné řazení, ne? Alespoň v češtině se při prvním průchodu nerozlišuje mezi ď a d, á a a (ale např. c a č se rozlišuje), a rozlišují se teprve při druhém průchodu (tj. pokud by podle prvního byla slova shodná, ve druhém už se ď řadí až za d atd.) Pokud vím, při reimplementaci řazení v MySQL byla čeština jedním z pilotních jazyků, na kterém se řazení zkoušelo, protože když to dokáže setřídit správně podle českých pravidel, pak už to dokáže setřídit všechno

[Milan Keršláger]

Chyba řazení se projevuje v RHEL 5, CentOS 5 a dalších distribucích s PostgreSQL 8.3. Ztačí udělat dump databáze (pg_dumpall -c), pak zeditovat /etc/init.d/postgresql tak, aby u příkazu initdb byl parametr "--locale=cs_CZ.iso-8859-2" (bez uvozovek). Smazat (zazálohovat) obsah adresáře /var/lib/pgsql/data, znovu spustit PosgreSQL (inicializuje se databáze). Pak zpět naimportovat data (su postgres; pgsql < zaloha). Třídění funguje dobře, dokonce i když jsou některé databáze v UTF-8 (názvy s azbukou mám na konci výstupu, což mi až tak moc nevadí).

[Pavel 'lingeek' Szalbot]

Samozřejmě nestačí mít nějak nastavené locale... http://www.postgresql.org/docs/8.1/static/sql-createdatabase.html.

Postgres dovoluje nastavit kódování databáze při jejím vytváření a za běhu nelze změnit - je to kvůli indexům a jejich vazbě na operace třídění. Taky jsem se kdysi divil...

[YuEN]

ano, databazy jsem vytvaral s --locale=sk_SK.utf-8, v systemu mam ale locale nastaveno na C

[YuEN]

tady je taky maly priklad:

Lukáš Dubovec
Mária Dúhová
Milan Ďurčo
Milan Durdiak
Pavol Dvorský

dle mych znalosti ze zakladny skoly to sprave neni :(

[Filip Jirsák]

To má opravdu slovenština jiné abecední řazení, než čeština? Nechal jsem schválně seřadit tahle slova v OOo, a řadí je stejně česky i slovensky, a to do vámi uvedeného pořadí. Jste si jist, že vaše znalosti ze ZŠ jsou správné?

Nemůžu najít slovenskou normu pro řazení (závada je na mém přijímači, packet loss v řádu desítek procent je docela dost), ale zkusil bych zapátrat tímto směrem, zda vaše představa o správném slovenském řazení odpovídá normované představě téhož

[YuEN]

No ja bych si to razeni predstavoval nejak takhle:

a á ä b c č d ď dz dž e é f g h ch i í j k l ĺ ľ m n ň o ó ô p r ŕ s š t ť u ú v y ý z ž

Jestli je na to ale daka norma, tak to nevim ...

[Filip Jirsák]

Nějaká slovenská norma je STN 01 0181, ta je zase někde označována za zastaralou, ale nenašel jsem, co jí nahradilo. Každopádně aktuální česká norma ČSN 97 6030 předepisuje následující řazení, přičemž v prvním průchodu jsou řazena písmena na jednom řádku stejně, teprve pokud dvě slova jsou podle tohoto řazení na stejné úrovni, řadí se podle pořadí písmen v řádku:

↓ PRIMÁRNÍ POŘADÍ
→ SEKUNDÁRNÍ POŘADÍ
a á â ă ä ą
b
c ć ç
č
d ď đ
e é ě ë ę
f
g
h
ch
i í î
j
k
l ĺ ľ ł
m
n ń ň
o ó ô ö ő
p
q
r ŕ
ř
s ś ş
š
t ť ţ
u ú ů ü ű
v
w
x
y ý
z ż ź
ž

[YuEN]

tady je taky maly priklad:

Lukáš Dubovec
Mária Dúhová
Milan Ďurčo
Milan Durdiak
Pavol Dvorský

dle mych znalosti ze zakladny skoly to sprave neni :(

[Sinuhet]

A co vam (v psql) vypise tohle?

show lc_collate;

[Pavel 'lingeek' Szalbot]

Vypíše mi to C, ale funguje správně.

[Sinuhet]

Funguje spravne = radi dle C?

[YuEN]

 lc_collate
-------------
 sk_SK.utf-8
(1 row)

[Pavel 'lingeek' Szalbot]

Nebylo to nahodou --encoding (-E) ?

[Pavel 'lingeek' Szalbot]

Blbost, omlouvám se...

[AraxoN]

Tiež som mal problémy rozchodiť zoradzovanie a vyhľadávanie s diakritikou v postgrese 8.0 a vyššom. Nakoniec sa to ku spokojnosti rozbehlo, keď som použil locale sk_SK.iso-8859-2. Môj hrubý odhad je, že problém je v glibc.

Skúšal som ešte utf-8, a windows-1250, ale nebolo to zoradené správne. Zvlášť ten utf-8 ma mrzí - ten by som tam videl najradšej.

Takže databázu mám v iso-8859-2 a klienti si to prekódujú podľa potreby vo svojom spojení cez PGCLIENTENCODING.

[h7]

ahoj ,mel jsem podobny problem. System jsem mel nastaveny lokale cs_CZ.UTF8 (FC5) ,databazi jsem zkompiloval s --use-locales (asi to neni presne ) a data jsem naimportoval z jine db v latin2 .... Databaze spatne radila. Pomohlo mi znova prelozit postgres s locales cs_CZ. cus h7