如何让 MediaWiki 搜索忽略重音？

Question

我正在运行一个 MediaWiki 实例，在撰写本文时我刚刚将其升级到最新版本 1.32.0。这个wiki已经有近10年的历史了，并且经历了多次升级。

这是一个法语维基，对于讲法语的人来说，令人烦恼的是 内置搜索始终认为重音字符与非重音字符不同，一个又一个版本。

例如，搜索

Aromathérapie

将返回多个结果，而搜索

Aromatherapie

将返回 0 个结果。

我一开始以为这是一个数据库排序问题，直到我注意到

searchindex

表实际上填充了 ASCII 编码的 UTF-8 单词。以上面的示例为例，

aromathérapie

存储为

aromathu8c3a9rapie

，因此更改表排序规则没有帮助。

深入研究源代码，我找到了负责此编码的SearchMySQL::normalizeText()方法。

据我所知，此方法在编码之前所做的唯一标准化是小写：

MediaWikiServices::getInstance()->getContentLanguage()->lc( $out )

就目前情况而言，似乎没有办法让内置搜索忽略重音。

我在谷歌上搜索了很多解决方案，发现大部分都是旧的、不相关的线程。我真的很惊讶没有找到更多关于这个主题的文献。

如何使 MediaWiki 搜索不区分大小写和重音？

Answer 1

我并不为此感到自豪，但这是我如何解决它的，使用 MySQL 内置的排序规则支持（它适用于全文索引——至少在最新版本的 MySQL 中——与代码所说的相反）：

• 将

  searchindex

  表转换为

  utf8mb4

  ：
  

  ALTER TABLE searchindex CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

• 将此补丁应用到includes/search/SearchMySQL.php

  ：
  

  没有小写，没有用十六进制编码的对应字符替换 UTF-8 字符
  u

  •  中的 

    unicode

    preg_replace()

    标志
重建
• searchindex

  表：
  

  php maintenance/rebuildtextindex.php

每当更新 MediaWiki 安装时都必须应用类似的过程，这会增加维护成本。手续简单，这是我现在愿意接受的费用。

最后要注意的是，这不会使自动完成工作不区分大小写，而只会使搜索结果不区分大小写。目前这对我来说已经足够了。

Answer 2

如果你不想要

CirrusSearch，你可以尝试一个轻量级扩展： 标题键

安装

• 下载并将文件放在扩展程序/文件夹中名为 TitleKey 的目录中。
• 在您的

  LocalSettings.php

  底部添加以下代码：

  wfLoadExtension( 'TitleKey' );
• 运行更新脚本，该脚本将自动创建此扩展所需的必要数据库表。

• 运行

  rebuildTitleKeys.php

  脚本（这需要命令行访问）：

  php extensions/TitleKey/rebuildTitleKeys.php
• 完成 – 导航至 wiki 上的

  Special:Version

   以验证扩展是否已成功安装。

Answer 3

让我们一次解决一个问题。

首先让我们处理较小的问题，区分大小写

select * from tableName where lower(col_name) = lower(searchTerm);

或

select * from tableName where upper(col_name) = upper(searchTerm);

第2部分处理编码，按照其他人的建议，您可以下载更强大的搜索工具，或者您可以更改搜索词的表示方式，转换

searchTerm

到

%s%e%a%r%c%h%T%e%r%m%

。这基本上会添加能够忽略 UTF-8 编码添加的额外字符的通配符。这种方法的优点是您必须对现有代码进行最少的更改，但它会稍微增加计算量和复杂性。

这是在 SQL 上下文中编写的，如果您使用其他数据库管理，查询可能会略有不同，但想法保持不变。

这样就可以完成工作了。如果有任何问题请随时添加评论。