mongodb - 处理mongodb中的重音字符

Question

我一直在努力寻找一种理想的方式来处理重音字符。

首先，我在 mongo 中插入(获取)之前使用这两种方法对文本进行编码(解码)。

function encode_utf8(s) {
  return unescape(encodeURIComponent(s));
}

function decode_utf8(s) {
  return decodeURIComponent(unescape(s));
}

当我从 mongodb 获取评论并显示它们(ajax 请求)时，此方法工作正常:

$.ajax({
    url : "http:www.mywebsite.com/comments",
    type : "get",
    data : "key=" + env.key + "&login=" + login,
    dataType : "json",
    success: function(response) { console.log(decode_utf8(reponse.texte)); /* yay works fine */ },
    error : function(jqXHR, textStatus, errorThrown) {}
});

但是当我使用下面的代码(MapReduce 的映射函数)时，它不处理重音:

String map = "function map() { "
                 + "var texte = decodeURIComponent(unescape(this.comment));"
                 + "var words = texte.match(/\\w+/g);" 

                 + "if(words) "
                 +     for(var i=0; i<words.length; i++) 
                 +         emit(words[i].toLowerCase(), 1);" 
             + "}"

例如:结果不是 ùùdzedzed 而是 dzedzed。任何建议或解决方法都会很棒。

编辑:

我的 mongo 内容:

{“_id”:ObjectId(“55460441e4b00700737c56cc”)，“id”:“c0ab4be5-f4f3-4c73-a7a0-f6863b6ce6511430651969105”，“auteur_login”:“teSTLogin”，“auteur_id”:1，“评论”:“être où règlem ça", "date": "Sun May 03 13:19:29 CEST 2015"

{“_id”:ObjectId(“554612f1e4b0953aca0c0be0”)，“id”:“aaa52859-5de6-469b-a17f-aa4615db77f71430655729171”，“auteur_login”:“teSTLogin”，“auteur_id”:1，“评论”:“Ã la", "date": "Sun May 03 14:22:09 CEST 2015"

{“_id”:ObjectId(“55461c21e4b0643ea96f7933”)，“id”:“ba3ae7c0-39a6-4c77-86ec-d193e39759b71430658081921”，“auteur_login”:“teSTLogin”，“auteur_id”:1，“评论”:“voilÃ, "date": "Sun May 03 15:01:21 CEST 2015"

{“_id”:ObjectId(“5547f5ede4b055c2ffb1a592”)，“id”:“a9a1e7d4-c28d-4f9e-98d5-3fe7fba3bb5e1430779373121”，“auteur_login”:“teSTLogin”，“auteur_id”:1，“评论”:“vb vb vb", "date": "2015 年 5 月 5 日星期二 00:42:53 CEST"

{“_id”:ObjectId(“5547f5fbe4b055c2ffb1a593”)，“id”:“b5ad2b7e-987f-4d32-b5ca-bc06bdc57f611430779387478”，“auteur_login”:“teSTLogin”，“auteur_id”:1，“评论”:“vb vb", "date": "2015 年 5 月 5 日星期二 00:43:07 CEST"

{ “_id”:ObjectId(“5548b88ee4b029bc67d7a638”)， “id”:“451e4e0d-c15a-4657-82c3-7760555b6c811430829198040”， “auteur_login”:“teSTLogin”，“auteur_id”:“1:”，“评论” ecrit n'importe quoi", "date": "Tue May 05 14:33:18 CEST 2015"

{“_id”:ObjectId(“554b9409e4b004c1b252f9cb”)，“id”:“f36c3b49-72b1-48f4-ae92-a7933bc1e2761431016457515”，“auteur_login”:“moi12345”，“auteur_id”评论:9，“auteur_id”评论:“salut", "date": "Thu May 07 18:34:17 CEST 2015"

{“_id”:ObjectId(“554b941be4b004c1b252f9cd”)，“id”:“1adc6788-32be-4c3a-bd73-16dad0b4bb741431016475777”，“auteur_login”:“moi12345”，“auteur_id”:“9，”“评论regregerhg", "date": "2015 年 5 月 7 日星期四 18:34:35 CEST"

这是结果:

“sfsdfs”:58.0 更新

“ta”:58.0 更新

“test1”:58.0 更新

“teste”:9.666666666666666 更新

“吨”:58.0更新

“tre”:29.0 插入

“尝试”:58.0更新

“学生”:58.0 插入

“粗花呢”:58.0 更新

“une”:58.0 更新

“va”:19.333333333333332 更新

“vb”:29.0 更新

“veux”:19.333333333333332 更新

“vient”:58.0 更新

“voil”:58.0 插入

示例:最后一行我应该得到 voilà 而不是 voil

Answer 1

因此，从本质上讲，您的“encode_utf8”方法以一种奇怪的方式将 UTF-8 字符串转换为 8 位字节。你为什么要这样做？

([de/en]codeURIComponent() 使用 UTF-8 编码，[un]encode 使用 ISO-8859-1)

为了对称，你的“decode_utf8(s)”应该是

return decodeURIComponent(escape(s));

而不是“unes​​cape”。

请注意 escape() 和 unescape() Javascript 方法已弃用

https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/escape

https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/unescape