mediawiki - 如何让 MediaWiki 搜索忽略重音？

Question

我正在运行一个 MediaWiki 实例，在撰写本文时我刚刚将其升级到最新版本 1.32.0。这个 wiki 已有近 10 年的历史，并且经历了多次升级。

这是一个法语维基，对于说法语的人来说，令人讨厌的是内置搜索始终考虑与非重音对应物不同的重音字符 ，一个版本一个版本。

例如，搜索 Aromathérapie返回多个结果，同时搜索 Aromatherapie返回 0 个结果。

起初我以为这是数据库整理问题，直到我注意到 searchindex表实际上填充了 ASCII 编码的 UTF-8 字。以上面的例子为例，aromathérapie存储为 aromathu8c3a9rapie ，因此更改表排序规则无济于事。

通过源代码挖掘，我找到了 SearchMySQL::normalizeText()负责此编码的方法。

据我所知，此方法在编码之前所做的唯一规范化是小写:

MediaWikiServices::getInstance()->getContentLanguage()->lc( $out )

因此，就目前而言，似乎无法使内置搜索忽略重音。

我在谷歌上搜索了很多解决方案，发现大多是旧的、不相关的线程。我真的很惊讶没有找到更多关于这个主题的文献。

如何使 MediaWiki 搜索不区分大小写和重音？

Answer 1

我并不为此感到自豪，但这是我解决它的方法，使用 MySQL 对排序规则的内置支持(它确实适用于全文索引 - 至少在 MySQL 的最新版本中 - 与代码所说的相反):

已转换 searchindex表到utf8mb4 :ALTER TABLE searchindex CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

已申请 this patch到 SearchMySQL.php:

没有小写，没有用十六进制编码的对应物替换 UTF-8 字符

unicode u标志在 preg_replace()

重建searchindex table :php maintenance/rebuildtextindex.php

每当更新 MediaWiki 安装时，都必须应用类似的程序，这会增加维护成本。程序很简单，这是我现在愿意接受的费用。

最后要注意的是，这不会使自动完成不区分大小写，只有搜索结果。这对我来说已经足够了。