突出显示搜索结果：RegEx 字符整理？

Question

当我运行全文 MySQL 查询时，多亏了 Unicode 字符排序规则，我将得到匹配以下所有内容的结果，无论我可能查询哪个：saka, sakā, śāka, ṣaka 等.

我遇到的问题是在搜索结果中突出显示匹配项。使用标准 RegEx，我只能匹配并突出显示结果中的原始查询词 -- 而不是所有整理的匹配项。

如何解决这个问题？我最初想到了这些方法：

创建一个 RegEx 模式来分析针对所有可能变体的目标结果。很容易变成一个臃肿的怪物。
创建结果的规范化版本，在那里找到匹配项，并使用字符串位置作为突出显示的基础。

然而，与常规搜索结果突出显示相比，这两种方法都会产生大量处理开销。第一种方法会产生巨大的 CPU 开销；第二个可能会吃得更少 CPU 但为了结果至少要消耗两倍的 RAM。有什么建议吗？

P.S。如果它是相关的：我正在处理的特定字符集（带有扩展名的梵语音译的 IAST）具有 L 和 N 的三种变体； M、R 和 S 的两个变体；以及 A、D、E、H、I、T 和 U 的一种变体；总共 A-Z + 19 个变音符号变体； + 大写字母（这里没有问题）。

Answer 1

使用 MySQL 及其 REGEXP，您只能定位与 REGEXP 匹配的行。您无法在列中找到匹配项。

REGEXP 和 LIKE 都遵循相关列的排序规则，但这无助于在该列中定位文本。

查看 MariaDB 及其 REGEXP_REPLACE。

MySQL 至少有一个与之相关的错误： http://bugs.mysql.com/bug.php?id=70767

Answer 2

这是我最后做的。似乎对性能的影响可以忽略不计。（我注意到 none！）

首先，将查询词转换为迭代变体的正则表达式的函数：

function iast_normalize_regex($str) {

    $subst = [ 
        'a|ā', 'd|ḍ', 'e|ӗ', 'h|ḥ', 'i|ī', 'l|ḷ|ḹ', 'm|ṁ|ṃ', 
        'n|ñ|ṅ|ṇ', 'r|ṛ|ṝ', 's|ś|ṣ', 't|ṭ', 'u|ū' 
        ];

    $subst_rex = [];

    foreach($subst as $variants) {
        $chars = explode('|', $variants);
        foreach($chars as $char) {
            $subst_rex[$char] = "({$variants})";
        }
    }

    $str_chars = str_split_unicode($str);

    $str_rex = '';
    foreach($str_chars as $char) {
        $str_rex .= !isset($subst_rex[$char]) ? $char : $subst_rex[$char];
    }

    return $str_rex;
}

将saka、śaka等单词变成(s|ś|ṣ)(a|ā)k(a|ā)。然后，使用 variant-iterated word-pattern 来突出搜索结果：

$word = iast_normalize_regex($word);
$result = preg_replace("#({$word})#iu", "<b></b>", $result);

Presto：我突出显示了所有变体。感谢迄今为止的贡献，如果您能想到更好的方法来完成此任务，请告诉我。干杯!

突出显示搜索结果：RegEx 字符整理？

Highlighting Search Results: RegEx Character Collation?

php

regex

mysql

collation

unicode-normalization