php - 搜索阿拉伯名称丢弃 "أ"之间的差异， "ا"在 mysql

Question

我将阿拉伯语名称存储在我的数据库中。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”，它们都代表同一个字母。还有，“Ç” Ì “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“Ç”和“⑩”之间的差异。

因此，例如，当用户在搜索框中输入“اسام٩”时，它应该返回“أسام٩”、“اسامة”、“أسامه،”اسامه ... 等。另一个例子，“فايò”、“́ائ”应该返回两个.

我如何使用 mysql 查询来做到这一点？如何搜索相似的名称而不是相同的名称？

我尝试了 Like 关键字，但它不起作用。

select * from employee WHERE fname like "%أسامة%" and mname="علي" and lname="الجاسم"

Answer 1

更新:我重写了我的答案，以防有人需要解决方案并偶然发现这个问题。

对于这个问题，我知道有 3 种可能的解决方案:

1. 创建自定义排序规则
2. 添加规范化字段
3. 在查询中使用正则表达式

我写了一个tutorial展示如何将这些解决方案应用于 MySQL。我将在此处尝试总结这些步骤。

<强>1。创建自定义排序规则

您可以创建自定义排序规则，使 MySQL 将这些字符作为一个字符来处理。可以将自定义排序规则添加到名为 Index.xml 的文件中位于字符集目录中。可以通过查询 information_schema 找到文件的位置。具有以下内容:

SHOW VARIABLES LIKE 'character_sets_dir';

导航到目录，备份文件，打开它并滚动到元素<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，我选择将它命名为 utf8_arabic_ci , 并选择 ID 号 1029 , custom collations ids are in the range 1024-2047 .归类规则告诉 MySQL 将所有形式的 Alef 以及 Teh 和 Heh 视为相同的字符，并完全忽略 tashkil。如果您愿意，可以添加更多规则。引用MySQL docuemntation for more info about custom collations .

现在重新启动 MySQL 并将列的排序规则更改为我们使用如下查询的新排序规则:

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

您应该能够搜索“اسام٩”并获得“اسام٩”、“أسامه”、“أسَامو”……等。

<强>2。添加规范化字段

此解决方案需要向表中添加一个新字段。该字段将被“规范化”，这是规范化阿拉伯名字字段的示例:

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

可以通过向表中添加一个新列并用“规范化”函数的结果填充它来创建此规范化字段，该函数仅用一个替换字符的不同变体并删除 Tashkil。现在要使搜索查询正常工作，我们将查询规范化字段并显示原始字段。类似于以下内容:

SELECT name FROM persons WHERE normalized_name = "اسامة";
 
+--------------+
| name         |
+--------------+
| أسامه        |
| أسامة        |
| اسامه        |
| اسَامه        |
+--------------+

<强>3。在查询中使用正则表达式

我不推荐这个解决方案，你会失去索引的优势，会降低性能，而且你会很难生成正则表达式模式。但您可能会发现它对测试或特殊查询很有用。

您可以使用 REGEX或其同义词 RLIKE在 MySQL 查询中。例如，如果您想查找名称“أحمد”与 Alef 的任何变体，您将使用如下模式:

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

这应该会显示所需的结果，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);

这应该适用于 Alef、Teh 和 Heh，但不适用于 Tashkil。

结论

添加自定义排序规则我认为是大多数情况下的最佳解决方案，但您可能无法编辑字符集文件(例如，如果您使用的是共享主机)，添加规范化字段将是解决方案大小写，您可能会发现正则表达式模式在某些情况下很有用。