c++ - 索引字符串和国际化

Question

我最近提出了一种用于查找重复客户记录的索引算法。简而言之，这一切都非常有效。

但是，我的问题是我想找到“Diviér”应该匹配“Divier”，或者“Aether”应该匹配“Æther”。没问题，因为使用 libicu 或 boost::locale 可以删除变音符号，而问题是使用 wstring。然而，这是我的问题:规范化/拉丁化一个词会改变它的意思，匹配可能不再有意义。我想就这是否可以接受名称提供一些意见...

另外，如果有人有中文名字怎么办？这不会以这种方式归一化，对吗？

对于如何解决这个问题，您有什么建议吗？

Answer 1

您应该更多地查看地址而不是名称。最后，名称可能会产生误导。例如。根据国家/地区的不同，中文、俄语或日文字符的转录可能会有所不同。然后有时名称字段会很短以捕获一个人的全名(尤其是印度名字)，这会导致任何一种看似随机的缩写。有时人们会省略中间名，有时则不会。有时会出现正确但不同的名称的拼写错误。

所以在我看来，名称应该是查找重复项中最不重要的标准。