Python正则表达式连接MongoDB查询时无法忽略重音，如何解决？

你的问题核心是：re.UNICODE参数仅让Python正则支持Unicode字符范围，但不处理重音折叠（diacritic insensitivity），所以无法匹配带重音和不带重音的字符变体。下面是几种可行的修复方案：

方案1：预处理文本，统一去除重音 #

通过将搜索词和数据库字段的重音字符转换为非重音形式，实现无差别匹配。

步骤： #

1. 定义一个去除重音的工具函数：

import unicodedata

def remove_accents(text):
    # 将Unicode字符规范化为NFKD形式，分离字符与重音标记
    normalized = unicodedata.normalize('NFKD', text)
    # 过滤掉重音标记（非间距组合字符）
    return ''.join([c for c in normalized if not unicodedata.combining(c)])

2. 搜索时预处理输入的value：

processed_value = remove_accents(value)
regex_pattern = re.compile(r'\b' + re.escape(processed_value) + r'\b', re.IGNORECASE | re.UNICODE)
query = {"your_field_name": {"$regex": regex_pattern}}

3. 性能优化建议：
   避免每次查询实时处理数据库字段，建议在存入数据时额外保存一个去除重音的字段副本（比如your_field_name_no_accents），直接对该副本做正则搜索，效率更高。

方案2：使用MongoDB文本索引（推荐） #

MongoDB的文本搜索原生支持重音忽略，且性能远高于正则匹配，适合全文搜索场景。

步骤： #

1. 为目标字段创建文本索引（支持多字段）：

// 在MongoDB shell中执行
db.your_collection.createIndex({ your_field_name: "text" }, { default_language: "spanish" })

注意：指定default_language: "spanish"能更好适配西班牙语的重音规则，其他语言可对应调整。

2. 使用$text查询替代正则：

query = {"$text": {"$search": value, "$caseSensitive": False}}
results = db.your_collection.find(query)

这种方式会自动忽略重音，比如搜索patron会匹配patrón，同时支持大小写不敏感。

方案3：构建匹配重音变体的正则（不推荐） #

如果必须坚持用正则，可以将搜索词中的每个字符替换为包含其所有重音变体的字符集。比如把o替换为[oóòöô]，但这种方式需要维护字符映射表，扩展性差，仅适合简单场景。

示例代码片段：

accent_map = {
    'a': '[aáàäâ]',
    'o': '[oóòöô]',
    # 按需添加其他字符的重音变体
}

def build_accent_insensitive_pattern(text):
    pattern = []
    for char in text.lower():
        pattern.append(accent_map.get(char, re.escape(char)))
    return r'\b' + ''.join(pattern) + r'\b'

regex_pattern = re.compile(build_accent_insensitive_pattern(value), re.IGNORECASE | re.UNICODE)

内容的提问来源于stack exchange，提问作者Diego L