为非英文字符启用soundex/metaphone

Question

在过去的几天里，我一直在研究soundex，metaphone和其他字符串搜索技术，据我所知，这两种算法在处理音译成英语的非英语单词方面都工作得很好。

然而，我的要求是这样的搜索工作在原始的，非音译的语言，容纳字母表，如德语，挪威语，甚至Cyrilic字母。

有没有能够完全处理这些字母表的搜索算法？或者我最好使用第三方全文搜索库，比如Lucene？因此，问题就变成了“Lucene是否处理非英语字母表？”

Answer 1

我不是这个领域的专家，但你的需求对我来说似乎相当困难。Soundex是专门为英文语音和字符设计的。我不认为它会在非英语语言中表现得很好。例如，请参阅对this related question的响应。

Double-Metaphone试图处理比Soundex或Metaphone复杂得多的变体，旨在处理各种语言中的违规现象。它可能足以满足您的需求。在链接页面上有一个库实现列表。

在Lucene中对其他语言的支持是基于Analyzers的概念。Lucene提供了一组针对不同语言的分析器(虽然我找不到默认列表)，但质量可能是quite variable。

Answer 2

从Soundex的文章开始，维基百科上有一些很好的参考资料。我不知道是否有现成的库被设计来处理如此广泛的语言。