为非英语字符启用soundex / metaphone

Question

过去几天我一直在研究soundex，metaphone和其他字符串搜索技术，据我所知，这两种算法在处理音译到英语的非英语单词时效果很好。

然而，我的要求是这种搜索以原始的，非音译语言工作，包括德语，挪威语甚至Cyrilic字母表等字母。

是否有任何搜索算法能够完全处理这些字母？或者我最好使用第三方全文搜索库，如Lucene？因此，问题就变成了“Lucene是否处理非英文字母？”

Answer 1

我不是这方面的专家，但你的要求对我来说似乎很难。 Soundex专为英语声音和角色而设计。我认为它对非英语语言表现不佳。例如，请参阅对this related question的回复。

Double-Metaphone尝试处理比Soundex或Metaphone更复杂的变体，旨在处理各种语言的不规则性。它可能足以满足您的需求。链接页面上有一个库实现列表。

Lucene中对其他语言的支持基于Analyzers的概念。 Lucene附带了一套针对不同语言的分析器（虽然我找不到默认列表），但质量可能是quite variable。

Answer 2

维基百科上有一些很好的参考资料，从Soundex文章开始。我不知道是否有现有的库可以处理如此多种语言。