为PouchDB/CouchDB索引（Mango Query）自定义普什图语Unicode排序

我之前处理过不少非英语语言的数据库排序问题，PouchDB和Cloudant的Mango查询目前确实不支持直接配置自定义Unicode排序规则，但咱们可以通过预处理生成排序键的方式，完全按照普什图语字母表的顺序实现范围查询。下面是具体的步骤和代码示例：

核心思路 #

普什图语的Unicode字符顺序和实际使用的字母表顺序不匹配，所以我们需要给每个普什图语字母分配一个符合预期顺序的“排序编码”，把要查询的单词转换成对应的编码字符串，再基于这个编码字段创建索引——这样用$gte/$lt做范围查询时，就能按照我们想要的字母顺序返回结果了。

具体实现步骤 #

1. 定义普什图语字母顺序映射表 #

首先把普什图语的所有字母（包括变体）按照你需要的实际顺序排列，然后给每个字母分配一个固定的、递增的两位数字编码（用两位是为了避免单数字排序时的混乱，比如"10"不会排在"2"前面）。

// 这里是示例的普什图语字母顺序，你可以根据实际需求调整
const pashtoLetterOrder = [
  "ا", "ب", "پ", "ت", "ټ", "ث", "ج", "چ", "ح", "خ",
  "د", "ډ", "ڊ", "ڎ", "ر", "ړ", "ز", "ږ", "ژ", "س",
  "ش", "ص", "ض", "ط", "ظ", "ع", "غ", "ف", "ق", "ک",
  "ګ", "گ", "ل", "م", "ن", "ڼ", "و", "ه", "ۍ", "ې",
  "ي", "ی"
];

// 生成字母到排序编码的映射
const letterToSortKey = pashtoLetterOrder.reduce((map, letter, index) => {
  // 用两位数字，比如第1个字母是"01"，第2个是"02"，以此类推
  map[letter] = String(index + 1).padStart(2, '0');
  return map;
}, {});

2. 给文档添加排序键字段 #

在插入或更新词典文档时，自动把普什图语单词转换成对应的排序编码字符串，存到一个专门的字段（比如word_sort_key）里：

// 转换普什图语单词为排序键的工具函数
function convertToSortKey(word) {
  // 把单词拆成单个字符，逐个替换成编码；不在映射表的字符用"99"，让它们排在最后
  return [...word].map(char => letterToSortKey[char] || '99').join('');
}

// 示例：插入一个词典条目
const dictionaryEntry = {
  _id: "entry-pak-001",
  pashto_word: "پاک",
  meaning: "纯洁的",
  word_sort_key: convertToSortKey("پاک") // 这里会生成对应编码串，比如"030130"
};

// 插入到PouchDB
localdb.put(dictionaryEntry)
  .then(() => console.log("条目插入成功"))
  .catch(err => console.error("插入失败：", err));

3. 创建基于排序键的索引 #

为了让Mango查询高效运行，需要给word_sort_key字段创建索引：

localdb.createIndex({
  index: {
    fields: ["word_sort_key"]
  }
})
.then(result => console.log("索引创建完成：", result))
.catch(err => console.error("索引创建失败：", err));

4. 用Mango查询实现按字母顺序的部分搜索 #

现在你就可以用$gte和$lt来做范围查询了。比如要搜索所有以"پ"开头的单词：

const searchPrefix = "پ";
// 把搜索前缀转换成排序键
const prefixSortKey = convertToSortKey(searchPrefix);
// 计算下一个前缀的排序键（比如"پ"的编码是"03"，下一个就是"04"）
const nextPrefixSortKey = String(parseInt(prefixSortKey) + 1).padStart(2, '0');

// 执行Mango查询
localdb.find({
  selector: {
    word_sort_key: {
      $gte: prefixSortKey,
      $lt: nextPrefixSortKey
    }
  },
  fields: ["pashto_word", "meaning"], // 指定要返回的字段
  sort: ["word_sort_key"] // 确保结果按正确顺序排列
})
.then(result => {
  console.log("搜索结果：", result.docs);
})
.catch(err => console.error("查询失败：", err));

注意事项 #

• 覆盖所有字符：确保你的字母映射表包含所有普什图语的变体字符、连字符等，避免出现未映射的字符导致排序错误。
• 特殊字符处理：对于空格、标点等非字母字符，你可以给它们分配特定的编码（比如用"00"让空格排在最前面，或者"99"让标点排在最后）。
• Cloudant兼容性：这套方案完全兼容Cloudant远程数据库，不管是本地PouchDB还是远程Cloudant，都能使用相同的逻辑。
• 批量更新：如果已经有大量现有文档，需要批量更新它们的word_sort_key字段，确保索引能覆盖所有数据。

内容的提问来源于stack exchange，提问作者Adam D