如何在 SQLite 查询中忽略重音（Android）

Question

我是 Android 新手，我正在使用 SQLite 进行查询。 我的问题是，当我在字符串中使用重音时，例如

• ÁÁÁ
• 咩咩
• ÀÀÀ
• ààà
• aaa
• AAA

如果我这样做：

SELECT * FROM TB_MOVIE WHERE MOVIE_NAME LIKE '%a%' ORDER BY MOVIE_NAME;

回来了：

• AAA
• aaa（忽略其他）

但如果我这样做：

SELECT * FROM TB_MOVIE WHERE MOVIE_NAME LIKE '%à%' ORDER BY MOVIE_NAME;

回来了：

• ààà（忽略标题“ÀÀÀ”）

我想在 SQLite DB 中选择字符串而不关心重音和大小写。请帮忙。

Answer 1

通常，SQL 中的字符串比较由列或表达式COLLATE 规则控制。在 Android 中，只有三个排序规则序列是pre-defined：BINARY（默认）、LOCALIZED 和 UNICODE。它们都不适合您的用例，遗憾的是，用于安装新排序函数的 C API 未在 Java API 中公开。

要解决这个问题：

1. 在表格中添加另一列，例如MOVIE_NAME_ASCII

2. 将值存储到此列中，删除重音符号。您可以通过将字符串规范化为 Unicode 范式 D (NFD) 并删除非 ASCII 代码点来删除重音，因为 NFD 将重音字符大致表示为纯 ASCII + 组合重音标记：

   String asciiName = Normalizer.normalize(unicodeName, Normalizer.Form.NFD)
       .replaceAll("[^\\p{ASCII}]", "");
   

3. 在此 ASCII 规范化列上进行文本搜索，但显示原始 unicode 列中的数据。

Answer 2

在 Android sqlite 中，LIKE 和 GLOB 忽略 COLLATE LOCALIZED 和 COLLATE UNICODE（它们仅适用于 ORDER BY）。但是，有一个解决方案，无需向表中添加额外的列。正如@asat 在this answer 中解释的那样，您可以将GLOB 与一种模式一起使用，该模式将用该字母的所有可用替代字母替换每个字母。在 Java 中：

public static String addTildeOptions(String searchText) {
    return searchText.toLowerCase()
                     .replaceAll("[aáàäâã]", "\\[aáàäâã\\]")
                     .replaceAll("[eéèëê]", "\\[eéèëê\\]")
                     .replaceAll("[iíìî]", "\\[iíìî\\]")
                     .replaceAll("[oóòöôõ]", "\\[oóòöôõ\\]")
                     .replaceAll("[uúùüû]", "\\[uúùüû\\]")
                     .replace("*", "[*]")
                     .replace("?", "[?]");
}

然后（当然不是字面意思）：

SELECT * from table WHERE lower(column) GLOB "*addTildeOptions(searchText)*"

这样，例如在西班牙语中，搜索 mas 或 más 的用户会将搜索转换为 m[aáàäâã]s，返回两个结果。

重要的是要注意GLOB 忽略COLLATE NOCASE，这就是为什么我在函数和查询中都将所有内容都转换为小写。另请注意，sqlite 中的 lower() 函数不适用于非 ASCII 字符 - 但这些可能是您已经替换的字符！

该函数还将GLOB 通配符* 和? 替换为“转义”版本。

Answer 3

您可以使用 Android NDK 重新编译 SQLite 源代码，包括所需的 ICU（Unicode 国际组件）。 在这里用俄语解释： http://habrahabr.ru/post/122408/

这里解释了使用ICU源码编译SQLilte的过程：

How to compile sqlite with ICU?

很遗憾，您最终会得到针对不同 CPU 的不同 APK。

Answer 4

您需要查看这些字符，而不是重音字符，而是完全不同的字符。您不妨寻找 a、b 或 c。话虽如此，我会尝试使用正则表达式。它看起来像：

SELECT * from TB_MOVIE WHERE MOVIE_NAME REGEXP '.*[aAàÀ].*' ORDER BY MOVIE_NAME;