主页 / coding / 问题 / 79253918
Accepted
Sebastian Meckovski
Asked: 2024-12-05 16:43:19 +0800 CST

Mongo查询忽略非英文字符

  • 772

我有一个 mongo 集合，用于存储多种语言的城市/国家数据。例如，以下查询：

db.cities_database.find({ "name.pl.country": "Węgry" }).pretty().limit(10);

返回以下格式的数据：

[
  {
    _id: ObjectId('67331d2a9566994a18c505aa'),
    geoname_id_city: 714073,
    latitude: 46.91667,
    longitude: 21.26667,
    geohash: 'u2r4guvvmm4m',
    country_code: 'HU',
    population: 7494,
    estimated_radius: 400,
    feature_code: 'PPL',
    name: {
      pl: { city: 'Veszto', admin1: null, country: 'Węgry' },
      ascii: { city: 'veszto', admin1: null, country: null },
      lt: { city: 'Veszto', admin1: null, country: 'Vengrija' },
      ru: { city: 'Veszto', admin1: null, country: 'Венгрия' },
      hu: { city: 'Veszto', admin1: null, country: 'Magyarország' },
      en: { city: 'Veszto', admin1: null, country: 'Hungary' },
      fr: { city: 'Veszto', admin1: null, country: 'Hongrie' }
    }
  }
...
]

我希望能够在使用纯英语字符时使用相同的查询，因此对于这个例子，我想通过"name.pl.country": "Wegry"（而不是字符，ę我希望 Mongo 在执行这个查询时将其视为e）进行查询。

有可能实现吗？

到目前为止，我尝试使用如下排序规则：

db.cities_database.find({ "name.pl.country": "Wegry" }).collation({ locale: "pl", strength: 1 }).pretty().limit(10);

但该查询没有返回任何内容。

mongodb

2 个回答

  1. Best Answer

    我对波兰语一无所知，也不知道e和之间的区别ę。但是如果您使用 MongoDB Altas，则可以设置 customAnalyzericuFolding来执行不区分变音符号的搜索。

    索引：

    {
  "analyzer": "diacriticFolder",
  "mappings": {
    "fields": {
      "name": {
        "type": "document",
        "fields": {
          "pl": {
            "type": "document",
            "fields": {
              "country": {
                "analyzer": "diacriticFolder",
                "type": "string"
              }
            }
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "diacriticFolder",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "icuFolding"
        }
      ]
    }
  ]
}

    $search询问：

    [
  {
    $search: {
      "text": {
        "query": "Wegry",
        "path": "name.pl.country"
      }
    }
  }
]

    MongoDB Atlas 搜索游乐场

    • 2

  2. 我认为这就是波兰排序的定义方式，请参阅波兰 CLDR 图表。

    ę Ę 是黑色的，我猜这意味着“必须完全匹配”。其他字符（例如 é É è È ê Ê ë Ë）是灰色的，对于它们来说，它是有效的：

    db.collection.insertMany([
   { codepoint: 'U+00EBU', name: 'Latin Small Letter E with Diaeresis', char: 'ë' },
   { codepoint: 'U+0119', name: 'Latin Small Letter E with Ogonek', char: 'ę' },
   { codepoint: 'U+0065', name: 'Latin Small Letter E', char: 'e' }
])

    当你询问他们时它会给出

    db.collection.find({ char: "ë" }).collation({ locale: "pl", strength: 1 })
[
  { name: 'Latin Small Letter E with Diaeresis', char: 'ë' },
  { name: 'Latin Small Letter E', char: 'e' }
]

db.collection.find({ char: "ę" }).collation({ locale: "pl", strength: 1 })
[
  { name: 'Latin Small Letter E with Ogonek', char: 'ę' }
]

db.collection.find({ char: "e" }).collation({ locale: "pl", strength: 1 })
[
  { name: 'Latin Small Letter E with Diaeresis', char: 'ë' },
  { name: 'Latin Small Letter E', char: 'e' }
]

    也许你正在寻找

    db.cities_database.find({ "name.pl.country": "Wegry" }).collation({ locale: "en_US_POSIX", strength: 1 })
    • 1

相关问题