MySQL REGEXP 查询 - 不区分重音的搜索答案

【问题标题】：MySQL REGEXP query - accent insensitive searchMySQL REGEXP 查询 - 不区分重音的搜索
【发布时间】：2012-12-17 17:15:00
【问题描述】：

我正在查询一个酒名数据库，其中许多都包含重音（但不是以统一的方式，因此可以输入带或不带重音的类似葡萄酒）

基本查询如下所示：

SELECT * FROM `table` WHERE `wine_name` REGEXP '[[:<:]]Faugères[[:>:]]'

这将返回标题中带有“Faugeres”的条目，但不返回“Faugeres”

SELECT * FROM `table` WHERE `wine_name` REGEXP '[[:<:]]Faugeres[[:>:]]'

反之。

我曾想过这样的事情：

SELECT * 
FROM `table` 
WHERE `wine_name` REGEXP '[[:<:]]Faug[eèêéë]r[eèêéë]s[[:>:]]'

可能会奏效，但这只会返回不带重音符号的结果。

该字段被整理为 utf8_unicode_ci，从我读到的应该是这样的。

有什么建议吗？！

【问题讨论】：

我遇到了同样的问题。看我这里的题目：stackoverflow.com/questions/33722136/…

标签： mysql regex diacritics accent-insensitive

【解决方案1】：

You're out of luck:

警告

REGEXP 和 RLIKE 运算符以字节方式工作，因此它们是不是多字节安全的，多字节可能会产生意想不到的结果字符集。此外，这些运算符通过以下方式比较字符它们的字节值和重音字符可能不相等即使给定的排序规则将它们视为平等。

[[:<:]] 和 [[:>:]] 正则表达式运算符是单词边界的标记。使用 LIKE 运算符可以达到的最接近的结果是这一行：

SELECT *
FROM `table`
WHERE wine_name = 'Faugères'
   OR wine_name LIKE 'Faugères %'
   OR wine_name LIKE '% Faugères'

正如您所见，它并不完全等价，因为我将单词边界的概念限制为空格。为其他边界添加更多子句将是一团糟。

您也可以使用全文搜索（虽然不一样），但您不能在 InnoDB 表中定义全文索引（目前）。

你肯定不走运:)

附录：此has changed 自 MySQL 8.0 起：

MySQL 使用 Unicode 国际组件 (ICU) 实现正则表达式支持，它提供完整的 Unicode 支持并且是多字节安全的。（在 MySQL 8.0.4 之前，MySQL 使用 Henry Spencer 的正则表达式实现，它以字节方式运行并且不是多字节安全的。

【讨论】：

哎哟... - 好的，所以如果我切换到： WHERE wine_name LIKE '%Faugeres%' 有什么缺点吗？我不记得为什么我们开始使用 REGEXP，但我认为它与搜索整个单词而不是单词中的字符串有关，上面的 like 语句会这样做......
这个解决方案可能不太好，因为如果单词前后有其他字符，它就不起作用，例如：'Faugères.' 'Faugères!' 'Faugères?' '(Faugères´以及许多其他变体。我正在寻找相同的东西：REGEXP 使用单词边界但不区分重音。
mysql 8 仍然没有运气。REGEXP '\\bFaugeres\\b' 不起作用。我的意思是对口音不敏感是行不通的。
@Linga MySQL 8 修复了多字节支持。不希望正则表达式以这种方式处理排序规则：è 和 e 本身是不同的字符。你可能想试试'\\bFaug[eèêéë]r[eèêéë]s\\b'。

【解决方案2】：

因为REGEXP和RLIKE都是面向字节的，你试过了吗：

SELECT 'Faugères' REGEXP 'Faug(e|è|ê|é|ë)r(e|è|ê|é|ë)s';

这表示其中之一必须在表达式中。请注意，我没有使用加号（+），因为这意味着一个或多个。因为你只想要一个，所以你不应该使用加号。

【讨论】：

这应该是答案。

【解决方案3】：

utf8_general_ci 排序时没有重音/无重音之间的区别。也许这对于搜索也是如此。此外，将 REGEXP 更改为 LIKE。 REGEXP 进行二进制比较。

【讨论】：

【解决方案4】：

为了解决这个问题，我尝试了不同的方法，包括使用二进制关键字或 latin1 字符集，但无济于事。
最后，考虑到这是一个 MySql 错误，我最终替换了 é 和 è 字符，

像这样：

SELECT * 
FROM `table` 
WHERE replace(replace(wine_name, 'é', 'e'), 'è', 'e') REGEXP '[[:<:]]Faugeres[[:>:]]'

【讨论】：

这可能效率低下，因为它会为表格的每一行计算表达式。只有在读取整个表格后才能应用条件。

【解决方案5】：

我在尝试查找与以下模式之一匹配的每条记录时遇到了同样的问题：'copropriété'、'copropriete'、'COPROPRIÉTÉ'、'Copropriété'

REGEXP 'copropri.{1,2}t.{1,2} 为我工作。基本上，.{1,2} 应该适用于任何情况，无论字符是 1 字节还是 2 字节编码。

解释：https://dev.mysql.com/doc/refman/5.7/en/regexp.html

警告
REGEXP 和 RLIKE 运算符以字节方式工作，因此它们不是多字节安全的，并且可能会在使用多字节字符集时产生意外结果。此外，这些运算符通过字节值比较字符，即使给定的排序规则将重音字符视为相等，重音字符也可能不相等。

【讨论】：

【解决方案6】：

我有这个问题，并在上面接受了 Álvaro 的建议。但在我的情况下，它错过了搜索词是字符串中的 middle 单词的那些实例。我去了相当于：

SELECT *
FROM `table`
WHERE wine_name = 'Faugères'
   OR wine_name LIKE 'Faugères %'
   OR wine_name LIKE '% Faugères'
   OR wine_name LIKE '% Faugères %'

【讨论】：

【解决方案7】：

好的，我只是在搜索其他内容时偶然发现了这个问题。

这返回真。

SELECT 'Faugères' REGEXP 'Faug[eèêéë]+r[eèêéë]+s';

希望对你有帮助。

添加“+”告诉正则表达式查找一个或多个出现的字符。

【讨论】：