时间戳

首页 > 解决方案 > 如何让 MediaWiki 搜索忽略重音符号？

mediawiki - 如何让 MediaWiki 搜索忽略重音符号？

问题描述

我正在运行一个 MediaWiki 实例，我在撰写本文时刚刚升级到最新版本 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 wiki，令说法语的人感到恼火的是，内置的搜索总是考虑与非重音字符不同的重音字符，一个又一个版本。

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

起初我认为这是一个数据库排序规则问题，直到我注意到该searchindex表实际上填充了 ASCII 编码的 UTF-8 单词。以上面的示例为例，aromathérapie存储为aromathu8c3a9rapie，因此更改表排序规则无济于事。

挖掘源代码，我找到了负责这种编码的SearchMySQL::normalizeText()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 )

就目前而言，看起来没有办法让内置搜索忽略重音符号。

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？

标签： mediawiki

解决方案

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）：

  • searchindex将表格转换为utf8mb4：
    ALTER TABLE searchindex CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
  • 将此补丁应用于SearchMySQL.php：
    • 没有小写字母，没有用十六进制编码的对应字符替换 UTF-8 字符
    • unicodeu标志preg_replace()
  • 重建searchindex表： 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。手续很简单，这是我现在愿意接受的费用。

最后一点是，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好了。

推荐阅读