Поиск «Человек рентген, Марина из Баксана» в БД: лайфхаки

В современном мире информация о людях, их профессиях и местах проживания часто хранится в реляционных базах данных. Однако при работе с кириллическими данными возникают специфические трудности, связанные с регистронезависимым поиском, колляциями и полнотекстовым поиском. В данной статье мы рассмотрим пример поиска фразы «Человек рентген, марина из баксана», используя сведения из открытых источников и технические нюансы работы СУБД (PostgreSQL, MySQL, полнотекстовый поиск).

Фраза «Человек рентген, марина из баксана» может восприниматься как условное обозначение двух личностей:

Человек рентген – человек, чья профессиональная деятельность связана с рентгенологией (врач-рентгенолог, техник, исследователь).
Марина из Баксана – жительница города Баксан (Кабардино‑Балкарская Республика), возможно, известная в локальном сообществе или имеющая определённый публичный профиль.

Для того чтобы найти упоминания этих osób в базе данных, необходимо правильно сформулировать запрос, учитывая особенности кириллического алфавита.

Кто такой «Человек рентген»?

Под этим названием могут скрываться:

Врач‑рентгенолог, работающий в крупном медицинском центре.
Техник по обслуживанию рентгеновского оборудования.
Исследователь, публикующий работы по радиационной безопасности.

В публичных источниках часто встречаются варианты написания: «человек‑рентген», «человек рентген», «ЧеловекРентген». Из‑за этого простой оператор LIKE без учёта регистра может не вернуть нужные записи.

Марина из Баксана: краткий биографический очерк

Баксан – город в предгорьях Кавказа, известный своим историческим наследием и развитой сельскохозяйственной отраслью. Марины, проживающие в этом регионе, часто упоминаются в местных новостях, социальных сетях и профессиональных реестрах (например, в реестре медицинских работников или в списках участников культурных мероприятий).

Типичные варианты записи имени и места проживания:

«Марина Баксан»
«Марина из Баксана»
«Марина, г; Баксан»
«Марина Баксанская»

Разнообразие форм усложняет поиск, если не применять нормализацию строк.

Проблемы поиска кириллических строк в СУБД

Из предоставленных фрагментов информации из интернета видно, что основные сложности связаны с:

Колляцией – в PostgreSQL по умолчанию используется C‑колляция, которая не знает, как правильно переводить кириллические символы в нижний/верхний регистр. Пример:
```
SELECT LOWER('После') AS lower_posle;
```
Возвращает f вместо ожидаемого после.
Полнотекстовый поиск – без кавычек поисковый движок может интерпретировать запрос как набор отдельных токенов, теряя фразовый контекст.
Литеральные (quoted) запросы – некоторые системы требуют явного указания фразы в кавычках для точного совпадения.

Примеры запросов и их решения

PostgreSQL: регистронезависимый поиск

Для корректной работы с кириллицей необходимо создать базу с подходящей колляцией, например, ru_RU.UTF-8.

CREATE DATABASE testdb
 TEMPLATE template0
 ENCODING UTF8
 LC_COLLATE 'ru_RU.UTF-8'
 LC_CTYPE 'ru_RU.UTF-8';

После этого запрос будет работать корректно:

SELECT * FROM people
WHERE LOWER(full_name) LIKE LOWER('%человек рентген%')
 AND LOWER(full_name) LIKE LOWER('%марина из баксана%');

MySQL: использование COLLATE

В MySQL достаточно указать колляцию при сравнении:

SELECT * FROM contacts
WHERE name COLLATE utf8_general_ci LIKE '%человек рентген%'
 AND name COLLATE utf8_general_ci LIKE '%марина из баксана%';

Полнотекстовый поиск (PostgreSQL)

Для фразового поиска лучше воспользоваться оператором @@ и словарём simple или russian:

CREATE EXTENSION IF NOT EXISTS pg_trgm;

SELECT * FROM documents
WHERE to_tsvector('russian', content) @@ plainto_tsquery('russian', 'человек рентген марина из баксана');

Поиск кириллических строк в базах данных: проблемы колляций и решения для PostgreSQL и MySQL