用多字符串替换字符答案

【问题标题】：Replace characters with multi-character strings用多字符串替换字符
【发布时间】：2014-08-31 20:13:01
【问题描述】：

我正在尝试替换德语和荷兰语变音符号，例如 ä、ü 或 ß。它们应该写成ae 而不是ä。所以我不能简单地将一个字符翻译成另一个字符。

有没有更优雅的方法来做到这一点？实际上看起来是这样的（尚未完成）：

SELECT addr, REPLACE (REPLACE(addr, 'Ã¼','ue'),'ß','ss') FROM search;

在尝试不同命令的过程中，我遇到了另一个问题：

当我搜索Ü 时，我得到了这个：

错误：编码“UTF8”的字节序列无效：0xdc27

用U&'\0220' 尝试过，它没有替换任何东西。只有使用Ã¼（小写ü）才能正确替换它。必须对unicode做点什么，但是如何解决这个问题？

来自德国的亲切问候。 :)

【问题讨论】：

Unicode 转义序列是十六进制的；你想要U&'\00DC'

标签： postgresql encoding replace diacritics

【解决方案1】：

您的服务器编码似乎是 UTF8。
我怀疑您的 client_encoding 不匹配，这可能会让您对正在处理的内容产生错误的印象。检查：

SHOW client_encoding;   -- in your actual session

工具链的其余部分也必须同步。例如，在使用 puTTY 时，必须确保终端同意其余部分：Change settings... Window -> Translation -> Remote character set = UTF-8。

至于你的第一个问题，你已经有了最好的解决方案。最好用一串replace() 语句替换几个变音符号。

您似乎也知道，使用（单个）translate() 语句替换单个字符更有效。

相关：

【讨论】：

我不太确定客户端/服务器编码不匹配。根据我的经验，这些类型的映射失败通常会给出“字符没有等效”错误。 “无效字节序列”听起来更像是client_encoding设置为UTF8，但客户端程序仍在发送ANSI数据。
@NickBarnes：嗯，客户端发送的数据按照clent_encoding编码。 client_encoding 是双向的。所以我们可能在这里谈论同样的事情。
不完全。服务器根据client_encoding解释客户端的数据，但客户端可以发送任何它想要的。例如，如果我在 Windows 中启动 psql，它默认为 WIN1252。如果我运行SET client_encoding TO 'UTF8' 和SELECT 'Ü'，我会收到“无效字节序列”错误。 psql 不知道发生了什么变化；它仍在以 ANSI 格式发送数据。
@NickBarnes：好点。我在上一条评论中的描述不太正确。例如，当使用 puTTY 时，必须确保终端同意其余的……Change settings... Window -> Translation -> Remote character set: UTF-8
@Erwin：这就是重点。我正在使用 SuperPutty，必须将字符集更改为 UTF-8。虽然问题应该得到解决 - 但是：在街道内选择一个带有元音变音的地址，元音变音仍然无法正确显示。相反，我得到的是Ã 而不是ß。不过，我的问题解决了。谢谢大家！

【解决方案2】：

除了其他原因，我决定用 python 编写替换。就像 Erwin 之前写的那样，似乎没有比结合 replace- 命令更好的解决方案了。

一般来说非常简单，甚至不必使用任何编码。我的“最终”解决方案现在看起来像这样：

ger_UE="Ü"
ger_AE="Ä"
ger_OE="Ö"
ger_SS="ß"

dk_AA="Å"
dk_OE="Ø"
dk_AE="Æ"

cur.execute("""Select addr, REPLACE (REPLACE (REPLACE( REPLACE (REPLACE (REPLACE (REPLACE(addr, '%s','UE'),'%s','OE'),'%s','AE'),'%s','SS'),'%s','AA'),'%s','OE'),'%s','AE')
  from search WHERE x = '1';"""%(ger_UE,ger_OE,ger_AE,ger_SS,dk_AA,dk_OE,dk_AE))

我现在很期待它撞到大桌子时的速度。如果有人想做一些注释，非常欢迎。

感谢您的回复和亲切的问候。

【讨论】：