Menanyakan baris non-ASCII dari Postgres

Apakah [:ascii:]kelas berfungsi di Postgres? Itu tidak tercantum dalam bantuan mereka , namun saya melihat contoh di web yang menggunakannya.

Saya memiliki database UTF-8, di mana collation dan c_typ e berada en_US.UTF-8, dan versi Postgres adalah 9.6.2. Ketika saya mencari baris non-ASCII seperti ini:

select title from wallabag_entry where title ~ '[^[:ascii:]]';

Saya mendapatkan kedua Unicode dan non-Unicode simbol (output penuh adalah di sini ):

Сталинская правозащитница: мать Меленкова бабушка Настя
Дневник НКВДиста Шабалина: Знает ли Москва положение на фронте?
Бег по городу и поездка на осле: как в средневековье наказывали прелюбодеев
Как комиссар Крекшин в 1740-е чуть не отменил историю России
Have you heard of Saint Death? Don’t pray to her.
Архаїчна українська мова: перевага чи недолік?
Гренада не их
China’s marriage rate is plummeting because women are choosing autonomy over 

Apa yang salah dengan permintaan ini?

Untuk menjawab pertanyaan Anda: [:ascii:]berfungsi. Anda mungkin memiliki beberapa karakter dalam teks yang tidak Anda kenal sebagai non-ASCII , namun mereka ada di sana. Mereka dapat berupa ruang yang tidak dapat dipecahkan , misalnya, atau karakter ruang Unicode lainnya .

Tidak aneh untuk memiliki spasi yang tidak dapat dipecahkan (  ) dalam teks yang Anda salin dan tempel dari halaman web, namun Anda tidak melihat mereka ada di sana.

Ini adalah contoh untuk ditampilkan:

WITH t(t) AS
(
    VALUES 
      ( 'Сталинская правозащитница: мать Меленкова бабушка Настя' ),
      ( 'Дневник НКВДиста Шабалина: Знает ли Москва положение на фронте?' ),
      ( 'Бег по городу и поездка на осле: как в средневековье наказывали прелюбодеев' ),
      ( 'Как комиссар Крекшин в 1740-е чуть не отменил историю России' ),
      ( 'Have you heard of Saint Death? Don’t pray to her.' ),
      ( 'Архаїчна українська мова: перевага чи недолік?' ),
      ( 'Гренада не их' ),
      ( 'China’s marriage rate is plummeting because women are choosing autonomy over ' )

)
SELECT 
    t,  regexp_replace(t, '([^[:ascii:]])', '[\1]', 'g') AS t_marked
FROM 
    t 
WHERE 
    t ~ '[^[:ascii:]]' ;

Itu Apa yang Anda Dapatkan:

                                       t                                       |                                                                                                 t_marked                                                                                                  
-------------------------------------------------------------------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Сталинская правозащитница: мать Меленкова бабушка Настя                       | [С][т][а][л][и][н][с][к][а][я] [п][р][а][в][о][з][а][щ][и][т][н][и][ц][а]: [м][а][т][ь] [М][е][л][е][н][к][о][в][а] [б][а][б][у][ш][к][а] [Н][а][с][т][я]
 Дневник НКВДиста Шабалина: Знает ли Москва положение на фронте?               | [Д][н][е][в][н][и][к] [Н][К][В][Д][и][с][т][а] [Ш][а][б][а][л][и][н][а]: [З][н][а][е][т] [л][и] [М][о][с][к][в][а] [п][о][л][о][ж][е][н][и][е] [н][а] [ф][р][о][н][т][е]?
 Бег по городу и поездка на осле: как в средневековье наказывали прелюбодеев   | [Б][е][г] [п][о] [г][о][р][о][д][у] [и] [п][о][е][з][д][к][а] [н][а] [о][с][л][е]: [к][а][к] [в] [с][р][е][д][н][е][в][е][к][о][в][ь][е] [н][а][к][а][з][ы][в][а][л][и] [п][р][е][л][ю][б][о][д][е][е][в]
 Как комиссар Крекшин в 1740-е чуть не отменил историю России                  | [К][а][к] [к][о][м][и][с][с][а][р] [К][р][е][к][ш][и][н] [в] 1740-[е] [ч][у][т][ь] [н][е] [о][т][м][е][н][и][л] [и][с][т][о][р][и][ю] [Р][о][с][с][и][и]
 Have you heard of Saint Death? Don’t pray to her.                             | Have you heard of Saint Death? Don[’]t pray to her.
 Архаїчна українська мова: перевага чи недолік?                                | [А][р][х][а][ї][ч][н][а] [у][к][р][а][ї][н][с][ь][к][а] [м][о][в][а]: [п][е][р][е][в][а][г][а] [ч][и] [н][е][д][о][л][і][к]?
 Гренада не их                                                                 | [Г][р][е][н][а][д][а] [н][е] [и][х]
 China’s marriage rate is plummeting because women are choosing autonomy over  | China[’]s marriage rate is plummeting because women are choosing autonomy over 

Anda dapat melihat dari sini, bahwa masalah Anda adalah karakter apostrof yang tepat . ASCII hanya mendukung tanda kutip. Apostrof kiri dan apostrof kanan adalah ekstensi Unicode yang benar secara tipografis.

Aku di sini

Anda dapat memeriksanya juga dengan versi sebelumnya di http://rextester.com/UKIQ48014 (PostgreSQL 9.5) dan http://sqlfiddle.com/#!15/4c563/1/0 (PostgreSQL 9.3)

Teks-teks yang saya kira menurut Anda adalah ASCII murni, dan bukan :

 WITH t(t) AS
 (
     VALUES 
       ('A fully ASCII text!'),
       ('Have you heard of Saint Death? Don’t pray to her.'),
       ('China’s marriage rate is plummeting because women are choosing autonomy over ')
 )
 SELECT 
    regexp_replace(t, '([^[:ascii:]])', '[\1]', 'g') AS t_marked
 FROM 
    t 
 WHERE 
    t ~ '[^[:ascii:]]' ;

| t_marked |
 | : ------------------------------------------------- ----------------------------- |
 | Pernahkah Anda mendengar tentang Saint Death? Jangan [berdoa] padanya. |
 | Tingkat perkawinan China menurun karena perempuan lebih memilih otonomi |
 

Aku di sini

Teks-teks ini menggunakan ' bukan ' untuk menandai apostrof.

Periksa Tanda Baca: Mengapa kutipan tunggal yang tepat (U + 2019), dan bukan tanda kutip yang berbeda secara semantik (U + 0027), karakter tanda kutip yang disukai dalam Unicode? ... untuk memastikan bahwa Anda bukan orang pertama yang menghadapi masalah ini.