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?
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):
searchindex
表转换为 utf8mb4
:ALTER TABLE searchindex CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
includes/search/SearchMySQL.php
:
u
中的unicode
preg_replace()
标志
searchindex
表:
php maintenance/rebuildtextindex.php
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。
CirrusSearch,你可以尝试一个轻量级扩展: 标题键
安装
LocalSettings.php
底部添加以下代码:
wfLoadExtension( 'TitleKey' );
rebuildTitleKeys.php
脚本(这需要命令行访问):
php extensions/TitleKey/rebuildTitleKeys.php
Special:Version
以验证扩展是否已成功安装。
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);
select * from tableName where upper(col_name) = upper(searchTerm);
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。