Question

我在我的数据库中存储阿拉伯语名称。在阿拉伯语中，有些字母可能以不同的格式书写，例如“ا”，“أ”，“آ”，它们都代表相同的字母。另外，“ه”，“É”。

我需要在数据库中搜索名称并忽略“ا”，“أ”，“آ”之间的差异以及“ه”，“É”之间的差异。

所以，例如当用户进入搜索框“اسامة”时，它应该返回“أسامة”，“اسامة”，“أسامه”，“اسامه...”等。另一个例子，“فايز”，“فائز”应该返回

我怎么能用mysql查询呢？我如何搜索不同名称的相似名称？

我尝试使用Like关键字，但它无效。

{{1}}

Answer 1

我要处理的方法是规范化存储在数据库中的数据。在数据库中创建一个新字段，并运行一个脚本来规范化名称并将标准化版本保存在新字段中。因此，例如，“أسامة”，“اسامة”，“أسامه”，“اسامه”将在标准化字段中保存为اسامه，您将在规范化字段而不是原始名称字段上运行查询。

Answer 2

更新：如果有人需要解决方案并且遇到这个问题，我会重写我的答案。

我知道这个问题有三种可能的解决方案：

创建自定义归类
添加标准化字段
在查询中使用正则表达式

我写了一篇tutorial，展示了如何将这些解决方案应用于MySQL。我将尝试在此总结这些步骤。

<强> 1。创建自定义归类

您可以创建自定义归类，使MySQL将这些字符作为一个处理。可以将自定义归类添加到位于charsets目录中的名为Index.xml的文件中。可以通过使用以下内容查询information_schema来找到文件的位置：

SHOW VARIABLES LIKE 'character_sets_dir';

导航到目录，备份文件，打开文件并滚动到元素<charset name=”utf8″>，添加以下XML：

<charset name="utf8">
.
.
.
  <collation name="utf8_arabic_ci" id="1029">
   <rules>
     <reset>\u0627</reset> <!-- Alef 'ا' -->
     <i>\u0623</i>        <!-- Alef With Hamza Above 'أ' -->
     <i>\u0625</i>        <!-- Alef With Hamza Below 'إ' -->
     <i>\u0622</i>        <!-- Alef With Madda Above 'آ' -->
   </rules>
   <rules>
     <reset>\u0629</reset> <!-- Teh Marbuta 'ة' -->
     <i>\u0647</i>        <!-- Heh 'ه' -->
   </rules>
   <rules>
     <reset>\u0000</reset> <!-- Ignore Tashkil -->
     <i>\u064E</i>        <!-- Fatha 'َ' -->
     <i>\u064F</i>        <!-- Damma 'ُ' -->
     <i>\u0650</i>        <!-- Kasra 'ِ' -->
     <i>\u0651</i>        <!-- Shadda 'ّ' -->
     <i>\u064F</i>        <!-- Sukun 'ْ' -->
     <i>\u064B</i>        <!-- Fathatan 'ً' -->
     <i>\u064C</i>        <!-- Dammatan 'ٌ' -->
     <i>\u064D</i>        <!-- Kasratan 'ٍ' -->
   </rules>
 </collation>
</charset>

这个xml只是说这个排序规则是utf8字符集之一，我选择将其命名为utf8_arabic_ci，并选择了1029，custom collations ids are in the range 1024-2047的标识号。整理规则告诉MySQL将所有形式的Alef视为同一个角色，以及Teh和Heh，并完全忽略tashkil。如果您愿意，可以添加更多规则。请参阅MySQL docuemntation for more info about custom collations。

现在重新启动MySQL并使用以下查询将列的排序规则更改为新的排序规则：

ALTER TABLE persons MODIFY name VARCHAR(50) 
CHARACTER SET 'utf8' COLLATE 'utf8_arabic_ci';

你应该能够搜索'اسامة'并获得'اسامة'，'أسامه'，'أسامة'等等。

<强> 2。添加标准化字段

此解决方案需要向表中添加新字段。该字段将被“标准化”，这是标准化的阿拉伯语名字字段的示例：

id normalized_name name
1  احمد            احمد
2  أحمد            احمد
3  أسامه          اسامة
4  أسامة          اسامة
5  اسامه          اسامة
6  اسَامه          اسامة

这个规范化的字段可以通过向表中添加一个新列并使用“规范化”函数的结果来填充它，该函数用一个字符替换字符的不同变体并删除Tashkil。现在，为了使搜索查询起作用，我们将查询规范化字段并显示原始字段。如下所示：

SELECT name FROM persons WHERE normalized_name = "اسامة";

+--------------+
| name         |
+--------------+
| أسامه        |
| أسامة        |
| اسامه        |
| اسَامه        |
+--------------+

第3。在查询中使用正则表达式

我不建议使用此解决方案，您将失去索引的优势，会降低性能，并且您将很难生成正则表达式模式。但是您可能会发现它对测试或特殊查询很有用。

您可以在MySQL查询中使用REGEX或其同义词RLIKE。例如，如果您想使用Alef的任何变体找到名称'أحمد'，您将使用如下模式：

SELECT name FROM clients WHERE name REGEXP 'ا|أ|إ]حمد]'

这应显示所需的结果，您所要做的就是编写一个函数来为搜索字符串生成此模式。这是一个示例函数，但请记住，这只是一个示例，并不适用于所有情况：

// Add all your patterns and replacement in these arrays
$patterns     = array( "/(ا|أ|آ)/", "/(ه|ة)/" ); 
$replacements = array( "[ا|أ|آ]",   "[ة|ه]" );   
$query_string = preg_replace($patterns, $replacements, $search_string);

这适用于Alef，Teh和Heh，但它不适用于Tashkil。

<强>结论

添加自定义排序规则我认为对于大多数情况来说是最佳解决方案，但您可能无法编辑charset文件（例如，如果您使用共享主机），添加标准化字段将是此解决方案在某些情况下，您可能会发现正则表达式有用。

搜索阿拉伯语名称会丢弃mysql中“أ”，“ا”之间的差异

2 个答案: