mysql - 如何在 MediaWiki 数据库中进行重音和不区分大小写的搜索？

Question

假设我的 wiki (MediaWiki 1.19.4) 中有这些页面标题:

SOMETHIng
Sómethìng
SomêthÏng
SÒmetHínG

如果用户搜索something，我希望所有 4 个页面都作为结果返回。

目前我唯一能想到的就是这个查询(MySQL Percona 5.5.30-30.2):

SELECT page_title
FROM page
WHERE page_title LIKE '%something%' COLLATE utf8_general_ci

它只返回 SOMETHIng。

我必须走在正确的道路上，因为如果我搜索sóméthíng 或SÓMÉTHÍNG，我会得到SOMETHIng 作为结果。我如何修改查询才能获得预期的其他结果？性能在这里并不重要，因为 page 表仅包含约 2K 行。

这是带有相关位的表定义:

CREATE TABLE page (
    (...)
    page_title VARCHAR(255) NOT NULL DEFAULT '' COLLATE latin1_bin,
    (...)
    UNIQUE INDEX name_title (page_namespace, page_title),
)

表格定义不得修改，因为这是 MediaWiki 和 AFAIK 的库存安装，其代码期望以这种方式定义该字段(即 unicode 存储为二进制数据)。

Answer 1

MediaWiki TitleKey extension基本上是为此而设计的，但它只做案例折叠。但是，如果您不介意对其进行一些修改，并且拥有 PHP iconv extension安装后，您可以编辑 TitleKey_body.php并替换方法:

static function normalize( $text ) {
    global $wgContLang;
    return $wgContLang->caseFold( $text );
}

例如:

static function normalize( $text ) {
    return strtoupper( iconv( 'UTF-8', 'US-ASCII//TRANSLIT', $text ) );
}

并(重新)运行 rebuildTitleKeys.php。

TitleKey 扩展将其规范化的标题存储在 separate table 中，令人惊讶地命名为 titlekey。它旨在通过 MediaWiki 搜索界面访问，但如果您愿意，您当然也可以直接查询它，例如像这样:

SELECT page.* FROM page
  JOIN titlekey ON tk_page = page_id
WHERE tk_namespace = 0 AND tk_key = 'SOMETHING';