javascript - 搜索 API : How come "Ondřej" matches "ondrej"? 我需要在浏览器中模仿它

Question

更新:最后我使用 Java6 Normalizer 来找出哪些字符是 a-zA-Z 的扩展。所以现在所有奇怪的字符都被翻译成这 50 个 ASCII 字母。打字/自动完成时没有明显减慢。

<小时/>

GAE 搜索 API 使用什么算法处理字符串？

出于优化目的(在浏览器内)，我需要模仿在与索引匹配之前对“needle”字符串进行的任何处理。基本上，它意味着将“奇怪”的字符翻译成“无聊”(和小写)的表示形式:

• ř,Ř => r
• ě,é,ë,Ě,É,Ë => e
• ...

是否有一些标准化(或至少“众所周知”)的翻译表，这样我就不会错过一些字符？

Answer 1

使用unidecode python 库。

>>> import unidecode
>>> unidecode.unidecode(u'ř')
'r'
>>> unidecode.unidecode(u'ě,é,ë,Ě,É,Ë')
'e,e,e,E,E,E'
>>> unidecode.unidecode(u'ě,é,ë,Ě,É,Ë').lower()
'e,e,e,e,e,e'