我正在奋斗Solr搜索阿拉伯语几天并做了一些实验。这是问题的简单反映。
在我将一些阿拉伯语句子（现在只有1个单词的السوري）存储到数据库中并让Solr对其进行索引之后，然后通过q=*:*&wt=python查询（如果没有wt部分，它是乱码字符），则响应为：< / p>
'\u00d8\u00a7\u00d9\u201e\u00d8\u00b3\u00d9\u02c6\u00d8\u00b1\u00d9\u0160'
我在那里存储索引的实际单词是以另一种方式编码：
'\xd8\xa7\xd9\x84\xd8\xb3\xd9\x88\xd8\xb1\xd9\x8a'
正如您所知，\xd8↔\u00d8有一对一的对应关系。但我不知道这个编码的名称是什么，因此我无法转换它。当我执行搜索时：<>/select/?q=السوري&wt=python，响应为：
{'responseHeader':{'status':0,'QTime':0,'params':{'wt':'python','q':u'\u0627\u0644\u0633\u0648\u0631\u064a'}},'response':{'numFound':0,'start':0,'docs':[]}}
找不到文档，似乎使用第三个版本编码u'\u0627\u0644\u0633\u0648\u0631\u064a'。如果我接受encode('utf8')，那么它会转换回'\xd8\xa7\xd9\x84\xd8\xb3\xd9\x88\xd8\xb1\xd9\x8a'。
总之，当它（السوري）在我的代码（python）或数据库（mysql）中时， 它呈现为'form1'：
'\xd8\xa7\xd9\x84\xd8\xb3\xd9\x88\xd8\xb1\xd9\x8a'
当它被Solr索引时，它会转换为form2：
'\u00d8\u00a7\u00d9\u201e\u00d8\u00b3\u00d9\u02c6\u00d8\u00b1\u00d9\u0160'
当我使用<>/select/?q=السوري&wt=python从浏览器（Google Chrome）查询时，它变为form3：
'\u0627\u0644\u0633\u0648\u0631\u064a'
（可以通过encode('utf8')转换回form1但是因为它们不同，所以搜索不匹配。
因此，这三种不同的编码策略可能是核心问题。任何人都可以帮我搞清楚并解决搜索问题吗？
提前致谢。