Mongodb 错误 $substrBytes: Invalid range, end index is in the middle of an UTF-8 character答案

【问题标题】：Mongodb error $substrBytes: Invalid range, ending index is in the middle of a UTF-8 characterMongodb 错误 $substrBytes: Invalid range, end index is in the middle of an UTF-8 character
【发布时间】：2017-04-22 06:27:50
【问题描述】：

我正在查询以从我的图书收藏中提取属性“titlu”的不同首字母，以便根据图书“titlu”属性的首字母对它们进行分组。我有一些以 UTF-8 字符开头的标题，例如 Î、Ț、Ș 等，但我收到了这个错误：

显而易见的问题是：如何消除该错误？有两种可接受的选择：

理想情况下，我应该能够显示 Î、Ș、Ț 等
如果不可能，也可以改为显示 I、S、T，并将 I 组中以 Î 开头的标题、S 组中以 Ș 开头的标题等组合在一起。

但是，转换必须在 mongo 查询中完成，因为我还需要标题的计数。（对于解决方案＃2，我们需要字母 I，例如以 I 开头的标题的出现次数 + 以 Î 开头的标题的出现次数）。

【问题讨论】：

标签： mongodb utf-8 aggregation-framework spring-data-mongodb

【解决方案1】：

您应该使用 $substrCP 而不是 $substr。 $substrCP 在 mongodb 3.4 中被引入来解决此类问题，因为 $substr 仅适用于 ASCII 字符

来自 mongodb 文档：

$substrCP

返回字符串的子字符串。子字符串以指定 UTF-8 代码点 (CP) 索引（从零开始）处的字符开头指定代码点数的字符串。

所以您的查询将是：

db.carte.aggregate([
  {$project: {
      preview: {$substrCP: ["$titlu", 0, 1]}
    }
  }
])

您可以在线试用：mongoplayground.net/p/X6Mo1yEhJoI

【讨论】：

太棒了，谢谢！有什么方法可以将 Ș 与 S 结果分组？或者可能是自定义排序，以便字母顺序为 A、Ă、Î、B...I、Î、...S、Ș 等？
看看collation：只需在您的聚合查询中指定一级排序规则
这并不重要，我总是可以使用 java 端进一步订购/分组。
根据这个问题stackoverflow.com/questions/42165412/…，spring data mongo db 不支持排序规则。就像我说的，我会对结果进行手动排序。我想我可以直接使用 mongo 驱动程序来执行查询，但这是我必须考虑的事情，因为使用 mongo 驱动程序执行 mongo 任务会稍微困难一些。