MySQL文本索引忽略阿拉伯语变音符号及Docker环境配置咨询

要让阿拉伯语中أ、إ、آ、ا这类字符在MATCH AGAINST搜索时被视为等同，必须修改MySQL的字符集和排序规则配置，Docker环境下的具体操作如下：

1. 基础配置：使用阿拉伯语专用排序规则 #

MySQL的utf8mb4_ar_0900_ai_ci排序规则（基于Unicode 9.0，口音不敏感、大小写不敏感）默认会将أ、إ、آ与ا视为等价字符，能满足大部分场景需求。

Docker容器启动时全局配置 #

启动容器时直接指定字符集和排序规则，后续新建的数据库、表会自动继承：

docker run -d \
  --name mysql-arabic \
  -e MYSQL_ROOT_PASSWORD=your_root_pwd \
  -e MYSQL_DATABASE=your_db_name \
  mysql:latest \
  --character-set-server=utf8mb4 \
  --collation-server=utf8mb4_ar_0900_ai_ci

已有表的修改 #

如果数据库或表已创建，需手动调整字符集和排序规则：

-- 修改数据库默认规则
ALTER DATABASE your_db_name CHARACTER SET utf8mb4 COLLATE utf8mb4_ar_0900_ai_ci;

-- 修改表及字段规则
ALTER TABLE your_table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_ar_0900_ai_ci;
ALTER TABLE your_table_name MODIFY COLUMN text_column TEXT CHARACTER SET utf8mb4 COLLATE utf8mb4_ar_0900_ai_ci;

2. 自定义字符映射（默认规则不满足时） #

如果默认排序规则未覆盖你的字符等价需求，可通过自定义UCA排序规则实现：

1. 创建自定义规则文件arabic_custom.xml，定义字符等价关系：

<collation name="utf8mb4_ar_custom_ai_ci" id="12345">
  <rules>
    <reset>\u0627</reset> <!-- 基准字符：ا -->
    <equivalence>\u0623</equivalence> <!-- 等价字符：أ -->
    <equivalence>\u0625</equivalence> <!-- 等价字符：إ -->
    <equivalence>\u0622</equivalence> <!-- 等价字符：آ -->
  </rules>
  <charset>utf8mb4</charset>
</collation>

2. 创建MySQL配置文件my.cnf：

[mysqld]
character-set-server=utf8mb4
collation-server=utf8mb4_ar_custom_ai_ci

3. 启动容器时挂载自定义文件：

docker run -d \
  --name mysql-arabic-custom \
  -e MYSQL_ROOT_PASSWORD=your_root_pwd \
  -v ./arabic_custom.xml:/usr/share/mysql/charsets/arabic_custom.xml \
  -v ./my.cnf:/etc/mysql/my.cnf \
  mysql:latest

3. 验证搜索效果 #

插入测试数据后，执行以下语句验证：

SELECT * FROM your_table_name WHERE MATCH(text_column) AGAINST('ا' IN BOOLEAN MODE);

应返回包含أ、إ、آ、ا的所有匹配记录。

内容的提问来源于stack exchange，提问作者Mohammad Kazemi