使用 JavaScript 执行带/不带重音字符的文本匹配

Posted 2023-02-24

【中文标题】使用 JavaScript 执行带/不带重音字符的文本匹配

【英文标题】：Using JavaScript to perform text matches with/without accented characters

【发布时间】：2011-08-07 17:20:51

【问题描述】：

我正在使用基于 AJAX 的查找用户在文本框中搜索的名称。

我假设数据库中的所有名称都将被音译为欧洲字母（即没有西里尔文、日文、中文）。但是，名称仍会包含重音字符，例如 ç、ê 甚至 č 和 ć。

不过，像“Micic”这样的简单搜索不会匹配“Mičić” - 用户期望它会匹配。

AJAX 查找使用正则表达式来确定匹配。我已经使用此函数修改了正则表达式比较，以尝试匹配更多重音字符。但是，它有点笨拙，因为它没有考虑到所有字符。

function makeComp (input)

    input = input.toLowerCase ();
    var output = '';
    for (var i = 0; i < input.length; i ++)
    
        if (input.charAt (i) == 'a')
            output = output + '[aàáâãäåæ]'
        else if (input.charAt (i) == 'c')
            output = output + '[cç]';
        else if (input.charAt (i) == 'e')
            output = output + '[eèéêëæ]';
        else if (input.charAt (i) == 'i')
            output = output + '[iìíîï]';
        else if (input.charAt (i) == 'n')
            output = output + '[nñ]';
        else if (input.charAt (i) == 'o')
            output = output + '[oòóôõöø]';
        else if (input.charAt (i) == 's')
            output = output + '[sß]';
        else if (input.charAt (i) == 'u')
            output = output + '[uùúûü]';
        else if (input.charAt (i) == 'y')
            output = output + '[yÿ]'
        else
            output = output + input.charAt (i);
    
    return output;

除了这样的替换函数，还有更好的方法吗？也许是为了“deaccent”被比较的字符串？

【问题讨论】：

感谢您的代码，我使用您的函数替换了输入文本中的重音元音并且工作正常。

【参考方案1】：

有一种方法可以““去除”被比较的字符串”，而无需使用列出所有要删除的重音符号的替换函数……

这是easiest solution，我可以考虑从字符串中删除重音符号（和其他变音符号）。

查看实际操作：

var string = "Ça été Mičić. ÀÉÏÓÛ";
console.log(string);

var string_norm = string.normalize('NFD').replace(/[\u0300-\u036f]/g, "");
console.log(string_norm);

【讨论】：

这无疑是一种很好的现代方式。请记住，对此不支持 IE 或 Safari

【参考方案2】：

遇到这个旧线程，我想我会尝试做一个快速的功能。当它们在函数 replace() 调用时匹配时，我依赖于管道分隔的 OR 设置变量的顺序。我的目标是尽可能多地使用标准的正则表达式实现 javascript 的 replace() 函数，以便可以在低级浏览器优化空间中进行繁重的处理，而不是在昂贵的 javascript 逐字符比较中进行.

这根本不科学，但是当我将此线程中的其他功能插入我的自动完成功能时，我的旧华为 IDEOS android 手机反应迟缓，而此功能会快速运行：

function accentFold(inStr) 
  return inStr.replace(
    /([àáâãäå])|([çčć])|([èéêë])|([ìíîï])|([ñ])|([òóôõöø])|([ß])|([ùúûü])|([ÿ])|([æ])/g, 
    function (str, a, c, e, i, n, o, s, u, y, ae) 
      if (a) return 'a';
      if (c) return 'c';
      if (e) return 'e';
      if (i) return 'i';
      if (n) return 'n';
      if (o) return 'o';
      if (s) return 's';
      if (u) return 'u';
      if (y) return 'y';
      if (ae) return 'ae';
    
  );

如果您是 jQuery 开发人员，这里有一个使用此函数的方便示例；您可以像在选择器中使用 :contains 一样使用 :icontains：

jQuery.expr[':'].icontains = function (obj, index, meta, stack) 
  return accentFold(
    (obj.textContent || obj.innerText || jQuery(obj).text() || '').toLowerCase()
  )
    .indexOf(accentFold(meta[3].toLowerCase())
  ) >= 0;
;

【参考方案3】：

我搜索并支持herostwist 答案，但一直在搜索，确实，这是一个现代解决方案，JavaScript 的核心（string.localeCompare 函数）

var a = 'réservé'; // with accents, lowercase
var b = 'RESERVE'; // no accents, uppercase

console.log(a.localeCompare(b));
// expected output: 1
console.log(a.localeCompare(b, 'en', sensitivity: 'base'));
// expected output: 0

但是请注意，仍然缺少对某些移动浏览器的完全支持！！！

在此之前，请继续关注所有平台和环境的全面支持。

就这些了吗？

不，我们现在可以更进一步，使用string.toLocaleLowerCase 函数。

var dotted = 'İstanbul';

console.log('EN-US: ' + dotted.toLocaleLowerCase('en-US'));
// expected output: "istanbul"

console.log('TR: ' + dotted.toLocaleLowerCase('tr'));
// expected output: "istanbul"

谢谢！

【讨论】：

"àéçî".toLocaleLowerCase('en-US') 将返回“àéçî”，因此非常有限

【参考方案4】：

没有我能想到的“去口音”更简单的方法，但您的替换可以简化一点：

var makeComp = (function()

    var accents = 
            a: 'àáâãäåæ',
            c: 'ç',
            e: 'èéêëæ',
            i: 'ìíîï',
            n: 'ñ',
            o: 'òóôõöø',
            s: 'ß',
            u: 'ùúûü',
            y: 'ÿ'
        ,
        chars = /[aceinosuy]/g;

    return function makeComp(input) 
        return input.replace(chars, function(c)
            return '[' + c + accents[c] + ']';
        );
    ;

());

【参考方案5】：

我认为这是最巧妙的解决方案

var nIC = new Intl.Collator(undefined , sensitivity: 'base')
var cmp = nIC.compare.bind(nIC)

如果两个字符串相同，则返回 0，忽略重音符号。

或者你试试localecompare

'être'.localeCompare('etre',undefined,sensitivity: 'base')

【讨论】：

我的答案是 7 岁；这（大部分）是 2020 年的正确方法。我不相信（通过 MDN 的示例）您需要绑定 compare 方法——它应该使用所需的上下文创建，因为 myNames.sort(nIC.compare) 工作正常很好。

【参考方案6】：

我做了一个原型版本：

String.prototype.strip = function() 
  var translate_re = /[öäüÖÄÜß ]/g;
  var translate = 
    "ä":"a", "ö":"o", "ü":"u",
    "Ä":"A", "Ö":"O", "Ü":"U",
    " ":"_", "ß":"ss"   // probably more to come
  ;
    return (this.replace(translate_re, function(match)
        return translate[match];)
    );
;

像这样使用：

var teststring = 'ä ö ü Ä Ö Ü ß';
teststring.strip();

这会将字符串更改为 a_o_u_A_O_U_ss

【参考方案7】：

首先，我建议使用 switch 语句而不是一长串 if-else if ...

那么，我不确定您为什么不喜欢您当前的解决方案。它当然是最干净的。不考虑“所有字符”是什么意思？

除了使用第三方库之外，JavaScript 中没有标准方法可以将重音字母映射到 ASCII 字母，因此您编写的库与其他库一样好。

另外，“ß”我相信映射到“ss”，而不是单个“s”。请注意土耳其语中带点和不带点的“i”——我相信它们指的是不同的字母。

【讨论】：

我更喜欢haystack.indexOfIgnoreAccents (needle) 选项 :) 我不喜欢做繁重的工作......

【参考方案8】：

您也可以使用http://fusejs.io，它自称为“轻量级模糊搜索库。 零依赖”，用于模糊搜索。