如何比较JAVA中的不同语言字符串值？

在我的网络应用程序中，我使用两种不同的语言，即英语和阿拉伯语。我的Web应用程序中有一个搜索框，如果我们按名称或部分名称搜索，那么它将通过比较用户的“Hometown”从DB中检索值说明：就像一个用户属于家乡“加利福尼亚”并且他搜索一个名字叫“Victor”然后我的查询将首先看到拥有相同家乡“加利福尼亚”的人和在“加利福尼亚”作为故乡的人的名单中将搜索“Victor”* name *，并检索将“California”作为其家乡的用户以及名称或部分名称中的“victor”。问题是如果家乡“加利福尼亚”用英语保存，它将比较并检索值。但“加利福尼亚”将用阿拉伯语保存为“كاليفورنيا”。在这种情况下，家乡比较失败，它无法检索值。我希望我的查询应该找到两个相同的家乡并检索值。可能吗？对于这种比较逻辑，我应该考虑什么样的替代方案。我很迷惑。有什么建议吗？编辑： *我有一个想法，如果有家乡，那么可以使用谷歌翻译或音译，并将家乡改为另一种语言。如果是英语，那么阿拉伯语或者如果是英语，那么阿拉伯语，并给搜索结果加入两者。有什么建议吗？*

已邀请:

6 个回复

降女陷费券

将所有名称音译为相同的语言（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。如果您只是将查询与每个名称进行比较，这将会很慢，但如果您将数据库中的所有地名预先索引到Burkhard-Keller树中，则可以通过编辑距离查询项的距离来有效地搜索它们。此技术允许您根据实际匹配的距离对名称进行排序。你可能比使用metaphone或双音乐手机更有可能找到匹配，尽管这更难以实现。

傻寺俊擒

您遇到的问题是您希望/需要2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这两种语言。一种可能的方法是为每个项目保留多个记录，并将语言代码作为主键的一部分，例如，如果您的记录是

id   hometown   name
001  California Victor

你可以介绍语言代码和商店

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

然后你的搜索将匹配“加利福尼亚”或“كاليفورنيا”给你id 001，然后你可以使用它来加载你的数据的所有翻译（或只是当前输出语言的数据。）这个sceme可以用于任何语言数量，并且具有额外的优势，您无需预填表。您可以在记录成为已知时添加新的翻译。（警告：我只是重复了你的阿拉伯语字符串，我无法阅读它，也'ar'很可能不是正确的语言代码，但你明白了。）

膝垫富顷

阿拉伯语听起来像“加州”吗？如果是这样，你需要比较一个“声音”的基础，这很可能会导致音素转换。

锯康

你的谷歌建议听起来似乎也不错，但你应该玩它，并确保你对它的准确性感到满意。在测试它如何在希伯来语和英语之间发挥作用时，我注意到有时谷歌在翻译成希伯来语时只留下英文字母的英文字母。

矾醒忻

如何在客户端使用一些本地化来显示值。或者为家乡创建一个包装类，它将以加利福尼亚州的实例和“كاليفورنيا”返回true的方式覆盖equal(Object)（对不起，如果我在这里犯了错误，只是从上面复制粘贴）。

拟蓬

这听起来像是一个经典的编码问题。每当你转移非ascii字符时，你需要确保你正确编码。对于阿拉伯语和英语我怀疑你可以使用UTF-8（但我不懂阿拉伯语，所以它可能是错的）。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）的任何系统接口中，您需要确保编码正确。浏览器到Servlet容器当您从网页执行GET或POST请求时，浏览器将查看1）来自服务器的HTTP标头，尤其是Content-Type: text/html; charset=UTF-8，如果存在，将覆盖HTML元标题<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">。在servlet容器端，HttpServletRequest.getParameter（）将具有您最有可能需要在服务器设置中设置的编码。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，否则排序等不正确。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驱动程序。示例JDBC连接字符串

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

System.out的不能依靠System.out.printnln()来验证事物。首先它取决于使用System.property-Dfile.encoding=UTF-8设置的java vm默认编码，其次是你在其中执行System.out的终端，需要设置为并支持UTF-8。不要信任System.out！一旦VM中的String是正确的字符，它就不会受到编码的影响。在内存中，字符串中的每个字符串都是16位，它（几乎）覆盖了utf-8可以编码的所有字符。您可以将字符串写入文件并调查该文件，以确切知道您的VM中是否有正确的字符。

要回复问题请先登录或注册

如何比较JAVA中的不同语言字符串值？

6 个回复

发起人

cross_language

问题状态

如何比较JAVA中的不同语言字符串值？

与内容相关的链接

6 个回复

发起人

cross_language

问题状态