マルチバイト対応のPostgresqlLevenshteinはありますか？

分音記号付きの「a」は文字シーケンス、つまり aの組み合わせです。 結合文字、発音区別符号：E'a\u0328'

同等の合成済み文字ąがあります ：E'\u0105'

解決策は、正規化 することです。 Unicode文字列。つまり、結合文字シーケンスを比較する前に合成済み文字に変換します。

残念ながら、PostgresにはUnicode正規化関数が組み込まれていないようですが、 PL / Perl または PL / Python 言語拡張。

例：

create extension plpythonu;

create or replace function unicode_normalize(str text) returns text as $$
  import unicodedata
  return unicodedata.normalize('NFC', str.decode('UTF-8'))
$$ language plpythonu;

さて、文字シーケンスとしてE'a\u0328' 同等の合成済み文字E'\u0105'にマップされます unicode_normalizeを使用する 、レーベンシュタイン距離は正しいです：

select levenshtein(unicode_normalize(E'a\u0328'), 'x');
levenshtein
-------------
           1