Question

当我运行全文MySQL查询时，由于Unicode字符排序，我将获得与以下所有内容匹配的结果，无论我查询的是哪个：saka, sakā, śāka, ṣaka等。

我遇到的问题是突出显示搜索结果中的匹配项。使用标准RegEx，我只能匹配并突出显示结果中的原始查询词 - 而不是所有整理的匹配。

如何解决这个问题呢？我最初想到了这些方法：

创建一个RegEx模式，该模式将针对所有可能的变体分析目标结果。很容易变成一个膨胀模式的怪物。
创建结果的规范化版本，在那里找到匹配项，并使用字符串位置作为突出显示的基础。

然而，与常规搜索结果突出显示相比，这两种方法都会产生大量的处理开销。第一种方法会产生强大的CPU开销;第二个可能会占用较少的CPU但是至少会为结果占用两倍的RAM。有什么建议吗？

P.S。如果它是相关的：我处理的特定字符集（IAST用于具有扩展的梵语音译）具有L和N的三种变体; M，R和S的两种变体; A，D，E，H，I，T和U的一种变体;总共A-Z + 19个变音变体; +大写（这里没有问题）。

Answer 1

使用MySQL及其REGEXP，您只能找到与REGEXP匹配的行。您无法在列中找到匹配项。

REGEXP和LIKE都尊重相关列的排序规则，但这对于使用列定位文本没有帮助。

查看MariaDB及其REGEXP_REPLACE。

MySQL至少有一个与之相关的错误： http://bugs.mysql.com/bug.php?id=70767

Answer 2

这是我最终做的事情。似乎对性能的影响可以忽略不计。（我没注意到！）

首先，将查询词转换为迭代变体的正则表达式的函数：

function iast_normalize_regex($str) {

    $subst = [ 
        'a|ā', 'd|ḍ', 'e|ӗ', 'h|ḥ', 'i|ī', 'l|ḷ|ḹ', 'm|ṁ|ṃ', 
        'n|ñ|ṅ|ṇ', 'r|ṛ|ṝ', 's|ś|ṣ', 't|ṭ', 'u|ū' 
        ];

    $subst_rex = [];

    foreach($subst as $variants) {
        $chars = explode('|', $variants);
        foreach($chars as $char) {
            $subst_rex[$char] = "({$variants})";
        }
    }

    $str_chars = str_split_unicode($str);

    $str_rex = '';
    foreach($str_chars as $char) {
        $str_rex .= !isset($subst_rex[$char]) ? $char : $subst_rex[$char];
    }

    return $str_rex;
}

将单词saka，śaka等转换为(s|ś|ṣ)(a|ā)k(a|ā)。然后，使用变体迭代的单词模式突出显示搜索结果：

$word = iast_normalize_regex($word);
$result = preg_replace("#({$word})#iu", "<b>$1</b>", $result);

Presto：我突出了所有变种。感谢您迄今为止的贡献，如果您能想出更好的方法来实现这一点，请告诉我。干杯!

突出显示搜索结果：RegEx字符整理？

2 个答案: