如何让 MediaWiki 搜索忽略重音？

Question

我是运行一个 MediaWiki 实例，在撰写本文时我刚刚升级到最新版本 1.32.0。这个 wiki 已有将近 10 年的历史，并且经历了多次升级。

这是一个法语 wiki，让说法语的人恼火的是 内置搜索总是考虑重音字符与非重音字符，之后的版本版本。

例如，搜索 Aromathérapie returns 多个结果，而搜索 Aromatherapie returns 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 table 实际上填充了 ASCII 编码的 UTF-8 单词。以上面的例子为例，aromathérapie 存储为 aromathu8c3a9rapie，因此更改 table 排序规则没有帮助。

通过源代码挖掘，我找到了负责此编码的 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 )

目前看来，似乎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？

Answer 1

如果你不想CirrusSearch，你可以尝试一个轻量级的扩展： TitleKey

安装

Download 并将文件放在 extensions/ 文件夹中名为 TitleKey 的目录中。
在 LocalSettings.php 的底部添加以下代码：
```
wfLoadExtension( 'TitleKey' );
```
运行更新脚本将自动创建此扩展所需的必要数据库表。
运行 rebuildTitleKeys.php 脚本（这需要命令行访问）：
```
php extensions/TitleKey/rebuildTitleKeys.php
```
完成 – 导航到您的 wiki 上的 Special:Version 以验证扩展是否已成功安装。

Answer 2

让我们一次解决一个问题。

首先让我们处理较小的问题，区分大小写

select * from tableName where lower(col_name) = lower(searchTerm);

或

select * from tableName where upper(col_name) = upper(searchTerm);

第 2 部分处理编码，按照其他人的建议，您可以下载更强大的搜索工具，或者您可以更改搜索词的表示方式，convert

searchTerm 到 %s%e%a%r%c%h%T%e%r%m%。这将基本上添加能够忽略由 UTF-8 编码添加的额外字符的通配符。这种方法的优点是您只需对现有代码进行最少的更改，但会略微增加计算量和复杂性。

这是在 SQL 的上下文中编写的，如果您使用其他数据库管理，查询可能会略有不同，但思路保持不变。

这应该可以完成工作。如果有任何问题，请随时添加评论。

Answer 3

我对此并不感到自豪，但这是我解决它的方法，使用 MySQL 对归类的内置支持（可以处理全文索引——至少在 MySQL 的最新版本中——与代码所说的相反）：

将 searchindex table 转换为 utf8mb4:
ALTER TABLE searchindex CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
已将 this patch 应用于 SearchMySQL.php：
- 没有小写，没有用十六进制编码的对应字符替换 UTF-8 字符
- unicode u 标志 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过程，这会增加维护成本。手续简单，是我现在愿意接受的费用。

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

How to make MediaWiki search ignore accents?