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

Consulta Mongo para ignorar caracteres que não sejam ingleses

  • 772

Tenho uma coleção mongo que armazena dados de cidade/país em vários idiomas. Por exemplo, a seguinte consulta:

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

Retorna dados no seguinte formato:

[
  {
    _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' }
    }
  }
...
]

Quero poder usar a mesma consulta usando apenas caracteres em inglês, então, neste exemplo, gostaria de consultar por "name.pl.country": "Wegry"(em vez de caractere, ęgostaria que o Mongo o tratasse eao executar esta consulta).

É possível conseguir isso?

Até agora tentei usar a ordenação assim:

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

mas essa consulta não retorna nada.

mongodb

2 respostas

  1. Best Answer

    Não tenho conhecimento em polonês e não sei a diferença entre ee ę. Mas se você usa o MongoDB Altas, pode configurar um customAnalyzer com icuFoldingpara executar uma pesquisa sem diacríticos.

    O índice:

    {
  "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"
        }
      ]
    }
  ]
}

    $searchconsulta:

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

    Parque de pesquisa do MongoDB Atlas

    • 2

  2. Acredito que é assim que a classificação polonesa é definida, veja o gráfico CLDR polonês .

    ê Ę são pretos, acho que isso significa "deve corresponder exatamente". Outros caracteres (por exemplo, é É è È ê Ê ë Ë) são cinzas, para eles funciona:

    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' }
])

    Quando você os consulta, ele fornece

    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' }
]

    Talvez você esteja procurando por

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

relate perguntas