如何比较Java中的不同语言字符串值？

StackOverflow https://stackoverflow.com/questions/4287694

  •  28-09-2019
  •  | 
  •  

题

在我的网络应用程序中，我正在使用 二 不同的语言 英语 和 阿拉伯.

我有一个 搜索框 在我的Web应用程序中，如果我们按名称或名称的一部分搜索，那么它将通过比较DB从DB检索值 “家乡” 用户

解释：

就像用户属于 家乡“加利福尼亚” 他搜寻了 姓名 说 “胜利者” 然后我的查询将首先看到有 同一个家乡“加利福尼亚” 在拥有的人名单中 “加利福尼亚” 作为家乡 “胜利者” *姓名*将被搜索， 取回 用户拥有 “加利福尼亚” 作为他们 家乡 和 ”胜利者“以他们的名字或名称的一部分。

这 问题 是家乡 “加利福尼亚” 是 保存 在 英语 它将比较和检索值。但 “加利福尼亚” 将会 在阿拉伯语中保存为“كال盔”. 。在这种情况下 家乡比较失败 而且它无法检索值。

我希望我的查询应该发现两者都是同一家乡并检索价值观。是否可以？

什么 备用 我应该考虑这种逻辑进行比较。我很困惑。有什么建议吗？

编辑： *我有一个想法，如果 家乡 然后是可以使用Google Translator或音译器并将家乡更改为另一种语言。如果是英语，则可以使用阿拉伯语或用英语使用，然后对阿拉伯语进行搜索结果。有建议吗？*

有帮助吗？

解决方案

将所有名称音译成相同的语言（例如英语）进行搜索，并使用Levenstein编辑距离来计算名称的语音表示之间的相似性。如果您简单地将查询与每个名称进行比较，但是如果将数据库中的所有位置预先索引 Burkhard-keller树, ，然后可以通过与查询项的编辑距离进行有效搜索。

此技术使您可以通过它们的实际匹配程度对名称进行排序。您可能比使用Swenaphone或Double-Metaphone更有可能找到这种方式，尽管这更难实现。

其他提示

您遇到的问题是，您希望 /需要两种或更多语言的信息，并且您希望应用程序的用户能够使用两种语言。一种可能的方法是每项保留多个记录，并将语言代码作为主要密钥的一部分，例如，如果您的记录为

id   hometown   name
001  California Victor

您可以介绍语言代码并存储

id   lang hometown   name
001  en   California Victor
001  ar   كاليفورنيا Victor

然后，您的搜索将匹配“加利福尼亚”或“ككا届”，从语言数量，并具有不需要预填充表的额外优势。您可以在已知记录时添加新的翻译以供记录添加。

（警告：我只是重复了您的阿拉伯语字符串，我看不懂，也很可能不是Aribic的正确语言代码，但您明白了。）

阿拉伯语吗？ 声音 喜欢“加利福尼亚”？如果是这样，您需要在“声音般”基础上进行比较，这很可能会导致音素转换。

您的Google建议听起来可能也是一个很好的建议，但是您应该处理它，并确保您对它的准确性感到满意。在测试希伯来语和英语之间的工作方式时，我注意到有时Google翻译成希伯来语时，Google只是在英语字母中留下英语地名。

如何使用客户端的某些本地化来显示值。或为 家乡 那将覆盖 equal(Object) 以加利福尼亚的实例将返回 true 对于“ California”和“ the”和“ككال学”（对不起，如果我在这里犯了错误，只需从上方复制）即可。

这听起来像是一个经典的编码问题。每当您传输非ASCII字符时，都需要确保正确编码它。对于阿拉伯语和英语，我怀疑您可以使用 UTF-8 （但是我不知道阿拉伯语，所以这可能是错误的）。

在您的设置中，您可能会有以下几点：

Browser <-> Servlet container <-> Database
                   |
                System.out

在将字符（16位）转换为字节（8位）的任何系统界面中，您都需要确保编码正确。

浏览器到servlet容器

当您从网页中获取或发布请求时，浏览器将查看1）服务器的HTTP标头，尤其是 Content-Type: text/html; charset=UTF-8, ，如果存在的话，将覆盖HTML元标头 <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">.

在Servlet容器端，HttpservletRequest.getParameter（）将具有一个编码，您很可能需要在服务器设置中设置。

示例tomcat的server.xml

<Connector port="8080" protocol="HTTP/1.1" URIEncoding="UTF-8"
           maxThreads="2000"                
           connectionTimeout="20000" 
           redirectPort="8443" />

servlet容器到数据库

数据库需要具有正确的编码或排序等是不正确的。

示例my.cnf for mysql

[mysqld] 
 ....
init_connect=''SET collation_connection = utf8_general_ci'' 
init_connect='SET NAMES utf8' 
default-character-set=utf8 
character-set-server = utf8 
collation-server = utf8_general_ci 

[mysql] 
 ....
default-character-set=utf8

然后，需要为UTF-8设置JDBC-Driver。

示例JDBC连接字符串

jdbc:mysql://localhost:3306/rimario?useUnicode=true&characterEncoding=utf-8

系统

System.out.printnln() 不能依靠验证事物。首先，它取决于Java VM默认编码，使用System.Property设置 -Dfile.encoding=UTF-8, ，其次，您要执行系统的终端，需要设置并支持UTF-8。不要相信系统。

一旦VM中的字符串是正确的字符，它将不会受编码的影响。在存储器中，字符串中的每个字符都是16位，几乎（几乎）涵盖了UTF-8可以编码的所有字符。您可以将字符串写入文件，然后调查文件 知道 如果您在VM中有正确的炭。

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top