如何在 MySQL table 中找到搜索字符串的所有变体（重音等）？
How to find all variations (accented, etc) of a searched string in MySQL table?
我有一个很大的 MySQL、InnoDB table，它在 utf8mb4_unicode_ci 中保存数据。我有几乎所有基于拉丁字母的语言的记录。我可以轻松地搜索带有重音字符的单词并找到具有不同变体的结果 (accented/not-accented)，但土耳其语存在问题。当您指定包含大 I 字母的单词时，基本 LIKE 关键字在 SQL 行中不起作用。我希望看到所有包含该字母小写版本的单词（无点 i）。
因此，I在英语中是 i，但在土耳其语中是 dotless i。 (ı)
SELECT * FROM words WHERE word LIKE 'SIR'字不带sır字。它只带来 sir 个词，但它们都存在于同一个 table.
你遇到过这样的问题吗？ SQL如何解决？
更新：
SELECT * FROM words WHERE word LIKE 'SIR' COLLATE utf8mb4_turkish_ci returns sır 但不是 sir。尽管这可以解决一些问题，但不幸的是，从这个查询到 return 需要 23 秒而不是 0.00003 秒（没有 COLLATE 关键字）
这是一般 unicode 文本处理的已知棘手问题。您所能做的就是对具有不同形式 i 的单词使用 OR 或使用正则表达式模式。
索引还是扫描？
在您的示例中，我假设 word 已编入索引？ table 相当大？在这种情况下，索引对于查找匹配 指定排序规则 的行非常有用。任何其他排序规则（您使用 COLLATE ... 的情况）需要忽略索引并扫描 整个 table（慢）。
使用 REGEXP 将 也 需要完整的 table 扫描。
即时执行 REPLACE(...) 需要完整的 table 扫描。
因此，假设有 "too many" 行可以进行完整的 table 扫描，没有简单的方法可以搜索 sır 或 sir 任意归类。让我们寻找另一种方式...
首先，让我们看一些整理案例。
在大多数 utf8 归类中，包括 utf8_unicode_ci，I=i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Ç=į=İ
在 utf8_turkish_ci 中，I=ı，但它们出现在 i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ 之前（因此，解释了你的部分问题）。
大多数其他 utf8 归类将 ı 视为介于 i 和 j 之间。
utf8_general_ci 略有不同：I=i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ=ı
utf8_icelandic_ci 将一些带重音符号的 i 视为不同的字母：I=i=Ì=È=Ï=ì=î=ï=Ī=ī=Į=į=İ，但 Í=Í=í=í 介于两者之间I 和 J。那个人也在 Z 之后对这些进行排序： Ä=Æ=ä=æ Ö=Ø=ö=ø Å=å
见我的Reference
另一个问题：重音字母 可以 显示为两个 utf8 字符 - 字母，然后是 "non-spacing mark"
那么，怎么办？？
计划 A：构建您自己的归类。这需要一些工作，但并非不可能。这将是最佳的，为您提供最佳性能。正如我们将在下面看到的，utf8_unicode_520_ci 非常接近，可以作为一个起点。
计划 B：在您的 table 中添加另一列；我们称它为 wordx。它会有 word，但会去除高重音。然后索引 wordx 而不是 word。所以 word='sır' 的行会有 wordx='sir'.
计划 C：使用上面讨论的等效项，如果 "I" 从每个组中选择一种类型用于 table 中定义的排序规则，然后使用utf8_unicode_520_ci 与 UNION:
( SELECT ... WHERE word = 'sir' )
UNION ALL
( SELECT ... WHERE word = 'sır' )
这应该包含 i 的所有风格。
哎呀，如果单词有多个不同的口音table字母怎么办？乍一看，这可能不是问题——所有 a 在 utf8_unicode_520_ci 中整理相等。浏览其余的字母，除了 ı 出现问题外，我没有看到任何其他内容。
下面是 utf8_unicode_520_ci 的有趣 等价物：
A=a=ª=À=Á=Á=Â=Ã=Ä=Å=à=á=á=â=ã=ä=å=Ā=ā=Ą=ą Aa ae=Æ=æ az B=b C=c=Ç=ç=Č=č ch cz
D=d=Ð=ð=Ď=ď dz E=e=È=É=É=Ê=Ë=è=é=é=ê=ë=Ē=ē=Ĕ=ĕ=Ė=ė=Ę=ę=Ě=ě F=f fz ƒ
G=g=Ğ=ğ=Ģ=ģ gz H=h hz I=i=Ì=Í=Í=Î=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ ij=ij iz ı J=j
K=k=Ķ=ķ L=l=Ĺ=ĺ=Ļ=ļ=Ł=ł lj=LJ=Lj=lj ll lz M=m N=n=Ñ=ñ=Ń=ń=Ņ=ņ=Ň=ň nz
O=o=º=Ò=Ó=Ó=Ô=Õ=Ö=Ø=ò=ó=ó=ô=õ=ö=ø oe=Œ=œ oz P=p Q=q R=r=Ř=ř S=s=Ş=ş=Š=Š=š=š
sh ss=ß sz T=t=Ť=ť TM=tm=™ tz U=u=Ù=Ú=Ú=Û=Ü=ù=ú=ú=û=ü=Ū=ū=Ů=ů=Ų=ų ue uz V=v
W=w X=x Y=y=Ý=Ý=ý=ý=ÿ=Ÿ yz Z=z=Ž=Ž=ž=ž zh zz Þ=þ µ
如果您认为 ƒ 是重音字母，那么您可能也想处理它。
你的问题很有趣。
我有一个很大的 MySQL、InnoDB table，它在 utf8mb4_unicode_ci 中保存数据。我有几乎所有基于拉丁字母的语言的记录。我可以轻松地搜索带有重音字符的单词并找到具有不同变体的结果 (accented/not-accented)，但土耳其语存在问题。当您指定包含大 I 字母的单词时，基本 LIKE 关键字在 SQL 行中不起作用。我希望看到所有包含该字母小写版本的单词（无点 i）。
因此，I在英语中是 i，但在土耳其语中是 dotless i。 (ı)
SELECT * FROM words WHERE word LIKE 'SIR'字不带sır字。它只带来 sir 个词，但它们都存在于同一个 table.
你遇到过这样的问题吗？ SQL如何解决？
更新：
SELECT * FROM words WHERE word LIKE 'SIR' COLLATE utf8mb4_turkish_ci returns sır 但不是 sir。尽管这可以解决一些问题，但不幸的是，从这个查询到 return 需要 23 秒而不是 0.00003 秒（没有 COLLATE 关键字）
这是一般 unicode 文本处理的已知棘手问题。您所能做的就是对具有不同形式 i 的单词使用 OR 或使用正则表达式模式。
索引还是扫描？
在您的示例中，我假设 word 已编入索引？ table 相当大？在这种情况下，索引对于查找匹配 指定排序规则 的行非常有用。任何其他排序规则（您使用 COLLATE ... 的情况）需要忽略索引并扫描 整个 table（慢）。
使用 REGEXP 将 也 需要完整的 table 扫描。
即时执行 REPLACE(...) 需要完整的 table 扫描。
因此，假设有 "too many" 行可以进行完整的 table 扫描，没有简单的方法可以搜索 sır 或 sir 任意归类。让我们寻找另一种方式...
首先，让我们看一些整理案例。
在大多数 utf8 归类中，包括 utf8_unicode_ci，I=i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Ç=į=İ
在 utf8_turkish_ci 中，I=ı，但它们出现在 i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ 之前（因此，解释了你的部分问题）。
大多数其他 utf8 归类将 ı 视为介于 i 和 j 之间。
utf8_general_ci 略有不同：I=i=Ì=Í=Í=È=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ=ı
utf8_icelandic_ci 将一些带重音符号的 i 视为不同的字母：I=i=Ì=È=Ï=ì=î=ï=Ī=ī=Į=į=İ，但 Í=Í=í=í 介于两者之间I 和 J。那个人也在 Z 之后对这些进行排序： Ä=Æ=ä=æ Ö=Ø=ö=ø Å=å
见我的Reference
另一个问题：重音字母 可以 显示为两个 utf8 字符 - 字母，然后是 "non-spacing mark"
那么，怎么办？？
计划 A：构建您自己的归类。这需要一些工作，但并非不可能。这将是最佳的，为您提供最佳性能。正如我们将在下面看到的，utf8_unicode_520_ci 非常接近，可以作为一个起点。
计划 B：在您的 table 中添加另一列；我们称它为 wordx。它会有 word，但会去除高重音。然后索引 wordx 而不是 word。所以 word='sır' 的行会有 wordx='sir'.
计划 C：使用上面讨论的等效项，如果 "I" 从每个组中选择一种类型用于 table 中定义的排序规则，然后使用utf8_unicode_520_ci 与 UNION:
( SELECT ... WHERE word = 'sir' )
UNION ALL
( SELECT ... WHERE word = 'sır' )
这应该包含 i 的所有风格。
哎呀，如果单词有多个不同的口音table字母怎么办？乍一看，这可能不是问题——所有 a 在 utf8_unicode_520_ci 中整理相等。浏览其余的字母，除了 ı 出现问题外，我没有看到任何其他内容。
下面是 utf8_unicode_520_ci 的有趣 等价物：
A=a=ª=À=Á=Á=Â=Ã=Ä=Å=à=á=á=â=ã=ä=å=Ā=ā=Ą=ą Aa ae=Æ=æ az B=b C=c=Ç=ç=Č=č ch cz
D=d=Ð=ð=Ď=ď dz E=e=È=É=É=Ê=Ë=è=é=é=ê=ë=Ē=ē=Ĕ=ĕ=Ė=ė=Ę=ę=Ě=ě F=f fz ƒ
G=g=Ğ=ğ=Ģ=ģ gz H=h hz I=i=Ì=Í=Í=Î=Ï=ì=í=í=î=ï=Ī=ī=Į=į=İ ij=ij iz ı J=j
K=k=Ķ=ķ L=l=Ĺ=ĺ=Ļ=ļ=Ł=ł lj=LJ=Lj=lj ll lz M=m N=n=Ñ=ñ=Ń=ń=Ņ=ņ=Ň=ň nz
O=o=º=Ò=Ó=Ó=Ô=Õ=Ö=Ø=ò=ó=ó=ô=õ=ö=ø oe=Œ=œ oz P=p Q=q R=r=Ř=ř S=s=Ş=ş=Š=Š=š=š
sh ss=ß sz T=t=Ť=ť TM=tm=™ tz U=u=Ù=Ú=Ú=Û=Ü=ù=ú=ú=û=ü=Ū=ū=Ů=ů=Ų=ų ue uz V=v
W=w X=x Y=y=Ý=Ý=ý=ý=ÿ=Ÿ yz Z=z=Ž=Ž=ž=ž zh zz Þ=þ µ
如果您认为 ƒ 是重音字母，那么您可能也想处理它。
你的问题很有趣。