塞尔维亚拉丁字母模糊搜索实现方案咨询（NestJS+React）

方案1：动态生成同源字符正则（无需修改存储结构） #

• 步骤1：建立同源字符映射表
  定义基础字符到所有变体的映射，覆盖塞尔维亚拉丁字母的特殊字符：

  const serbianCharMap: Record<string, string[]> = {
    'c': ['c', 'č', 'ć'],
    'd': ['d', 'đ'],
    's': ['s', 'š'],
    'z': ['z', 'ž'],
  };
  

• 步骤2：实现搜索词归一化工具函数
  先转义正则特殊字符，再把每个基础字符替换为对应变体的正则字符组：

  // 转义正则特殊字符（避免用户输入破坏正则结构）
  function escapeRegExp(str: string): string {
    return str.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
  }
  
  // 归一化搜索词，生成匹配所有同源字符的正则表达式字符串
  function normalizeSerbianSearchTerm(term: string): string {
    const escapedLowerTerm = escapeRegExp(term.toLowerCase());
    let normalizedTerm = escapedLowerTerm;
    
    Object.entries(serbianCharMap).forEach(([baseChar, variants]) => {
      normalizedTerm = normalizedTerm.replace(
        new RegExp(baseChar, 'g'),
        `[${variants.join('')}]`
      );
    });
    
    return normalizedTerm;
  }
  

• 步骤3：在NestJS服务层构建查询
  结合ORM（如TypeORM）生成包含正则匹配的查询条件，以匹配多列为例：

  async searchEntities(searchTerm: string) {
    const normalizedTerm = normalizeSerbianSearchTerm(searchTerm);
    
    return this.entityRepository.find({
      where: Raw(alias => 
        `LOWER(${alias}.column1) REGEXP '${normalizedTerm}' OR LOWER(${alias}.column2) REGEXP '${normalizedTerm}'`
      ),
    });
  }
  

  注意：不同数据库的正则语法有差异，比如PostgreSQL用~*替代REGEXP，MongoDB直接用$regex操作符。

方案2：预归一化存储字段（性能更优，适合大数据量） #

• 步骤1：在实体中添加归一化搜索字段
  新增一个专门用于搜索的字段，存储去掉变音符号的基础字符版本：

  @Entity()
  export class YourEntity {
    @Column()
    name: string;
    
    @Column()
    description: string;
    
    // 归一化搜索字段，存储无变音的字符串
    @Column({ name: 'search_normalized' })
    searchNormalized: string;
  }
  

• 步骤2：写入数据时自动生成归一化字段
  在实体的BeforeInsert和BeforeUpdate钩子中处理：

  @BeforeInsert()
  @BeforeUpdate()
  generateSearchNormalized() {
    // 把所有变音字符替换为基础字符
    this.searchNormalized = this.name.toLowerCase()
      .replace(/[čć]/g, 'c')
      .replace(/đ/g, 'd')
      .replace(/š/g, 's')
      .replace(/ž/g, 'z')
      + ' ' + // 拼接多列内容，实现多列搜索
      this.description.toLowerCase()
      .replace(/[čć]/g, 'c')
      .replace(/đ/g, 'd')
      .replace(/š/g, 's')
      .replace(/ž/g, 'z');
  }
  

• 步骤3：搜索时直接匹配归一化字段
  这种方式可以利用数据库索引，性能远高于正则匹配：

  async searchEntities(searchTerm: string) {
    const normalizedSearchTerm = searchTerm.toLowerCase()
      .replace(/[čć]/g, 'c')
      .replace(/đ/g, 'd')
      .replace(/š/g, 's')
      .replace(/ž/g, 'z');
    
    return this.entityRepository.find({
      where: {
        searchNormalized: Like(`%${normalizedSearchTerm}%`),
      },
    });
  }
  

方案对比 #

• 方案1：无需修改存储结构，实现简单，但正则匹配无法利用索引，数据量大时性能下降明显。
• 方案2：需要额外维护字段，但搜索性能优异，适合数据量较大或搜索频繁的场景。

内容的提问来源于stack exchange，提问作者StrahinjaL