Pour répondre à votre question: [:ascii:]
ça marche. Vous pouvez avoir des caractères dans votre texte que vous ne reconnaissez pas comme non-ASCII , mais ils sont là. Ils peuvent être quelque chose comme un espace insécable , par exemple, ou tout autre caractère d'espace Unicode .
Il n'est pas étrange d'avoir des espaces insécables (
) dans les textes que vous copiez et collez à partir d'une page Web, mais vous ne remarquez pas qu'ils sont là.
Voici un exemple à montrer:
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:]]' ;
C'est ce que tu as:
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
Vous pouvez voir de cela que votre problème est le caractère d'apostrophe droite . ASCII ne prend en charge que l'apostrophe. L'apostrophe gauche et l'apostrophe droite sont des extensions Unicode typographiquement correctes.
dbfiddle ici
Vous pouvez également le vérifier avec les versions précédentes sur http://rextester.com/UKIQ48014 (PostgreSQL 9.5) et http://sqlfiddle.com/#!15/4c563/1/0 (PostgreSQL 9.3)
Les textes que je pense que vous pensez sont purement ASCII, et ne le sont pas :
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 |
| : ------------------------------------------------- ----------------------------- |
| Avez-vous entendu parler de Saint Death? Ne la priez pas. |
| Le taux de mariage en Chine [est] en chute libre parce que les femmes préfèrent l'autonomie à |
dbfiddle ici
Ces textes utilisent « au lieu de » pour marquer les apostrophes.
Vérifiez la ponctuation: pourquoi la bonne citation unique (U + 2019), et non l'apostrophe sémantiquement distincte (U + 0027), le caractère d'apostrophe préféré dans Unicode? ... pour voir que vous n'êtes pas la première personne à rencontrer ce problème.