Re: quitar acentos [MySQL, largo pero instructivo]
| From: | Angel Fenoy | Date: | Mon, 20 Nov 2000 23:15:54 +0000 |
| Subject: | Re: quitar acentos [MySQL, largo pero instructivo] | ||
| References: | 1 2 3 4 | Groups: | php.general.es |
| Request: | Send a blank email to general-es+get-4054@lists.php.net to get a copy of this message | ||
José Rodríguez escribió:
>
> No tienes para que eliminar los acentos de tu base de datos.
>
> Pueba con esto:
>
> $palabra = eregi_replace('[aeiouàáäâèéëêìíïîòóöôùúüûñ]',
> '_', $palabra);
> result=mysql_query("select * from noticias where lower(texto) like
> lower('%$palabra%')",$db);
>
Me parece una barbaridad.
Si $palabra = 'José', se van a encontrar las coincidencia 'jose',
'Jose', 'josé' y 'José', que es lo que se pretende, pero también
coincidirá con 'josa', josñ', jost' y josú', y lo que es peor, con
'jase', 'jiso', 'jusa', 'just', 'jwsw',
'jjss', etc...
Os explico las distintas posibilidades que he probado con éxito para el
tema de la búsqueda en una base de datos sin tener en cuenta los
acentos.
La forma como lo estoy haciendo actualmente es duplicando campos, que es
otra barbaridad por el incremento de espacio en disco, y por el trabajo
extra que representa en el momento de actualizar datos (inserts y
updates), pero funciona a las mil maravillas independientemente de la
base de datos que se use, y me permite hacer las típicas búquedas con
'alguna de las palabras', 'todas las palabras' o 'la frase exacta',
independientemente de si la cadena a buscar se entró en mayúsculas,
minúsculas, con acentos o sin acentos.
También me permite admitir las coincidencias de prefijos, pero obviar
las de sufijos, que es como me gusta hacer las búsquedas, de manera que
si se busca la palabra 'José', se encuentren las coincidencias 'José' y
'Josefa', pero no 'alejóse', aunque si quiero, también puedo hacer
búsquedas sobre palabras exactas (no prefijos)
Esto funciona bién para bases de datos no muy grandes. Duplico los
campos en los que se debe buscar, juntándolos todos en uno nuevo, con
las mismas palabras separadas por espacios pero todo en mayúsculas y sin
los acentos, y realizo la búsqueda en ese campo, con los 'or' y 'and'
necesarios si se me pide más de una palabra.
Para bases de datos grandes, como las de los buscadores de internet,
deben usarse otras técnicas mucho más complejas.
Durante un tiempo también usé el operador LIKE, y entonces estube
trabajando con una copia modificada del mysql, en donde reescribí las
tablas que se usan para hacer las consultas de tipo LIKE. Estas tablas
están diseñadas para no distinguir entre mayúsculas y minúsculas, pero
en cambio sí distinguen vocales acentuadas y no acentuadas. Las
modifiqué para que no hicieran esas distinciones y funcionó perfecto. Ni
siquiera tube que compilar el mysql, modifiqué directamente el
ejecutable, así a lo bestia, con un editor hexadecimal, y funcionó.
Parece ser que esta modificación que hice (o una muy parecida) se
encuentra el las últimas versiones de mysql, en la rama inestable, tal
como se desprende de lo que comentan el el capítulo del manual que habla
de las búsquedas insensibles a mayúsculas/minúsculas,
http://www.mysql.com/documentation/mysql/commented/manual.php?section=Case_sensitivity,
donde puede leerse:
In older MySQL versions LIKE comparisons where done on the uppercase
value of each character (E == e but E <> é). In newer MySQL versions
LIKE works just like the other comparison operators.
O sea, que la solución puede estar también en actualizarse a una de las
últimas versiones de mysql.
Pero en mysql aún hay otra posibilidad que funciona bién, sin tener que
duplicar campos ni modificar el ejecutable. Se trata de aprovecharnos
del operador RLIKE, que es parecida a LIKE, pero interpreta la cadena de
búsqueda como conteniendo expresiones regulares.
Hagamos primero en php una función que nos prepare para RLIKE la cadena
que vamos a buscar, como por ejemplo:
function php_rlike($str) {
$a1 = array(
'/[aàáäåãæâAÀÁÄÅÃÂ]/',
'/[eèéêëEÈÉÊË]/',
'/[iìíîïIÌÍÎÏ]/',
'/[oöôõðòóøOÖÔÕÒÓØ]/',
'/[uüûùúÜÛÙÚ]/',
'/[yÿýÝ]/',
'/[ñÑ]/',
'/[çÇ]/');
$a2 = array(
'[aàáäåãæâAÀÁÄÅÃÂ]',
'[eèéêëEÈÉÊË]',
'[iìíîïIÌÍÎÏ]',
'[oöôõðòóøOÖÔÕÒÓØ]',
'[uüûùúÜÛÙÚ]',
'[yÿýÝ]',
'[ñÑ]',
'[çÇ]');
return preg_replace($a1, $a2, $str);
}
Supongamos ahora que la palabra a buscar es 'José', si hacemos:
$palabra = php_rlike($palabra);
$palabra contendrá ahora 'J[oöôõðòóøOÖÔÕÒÓØ]s[eèéêëEÈÉÊË]', lista
para
RLIKE, o sea que hacemos:
$query = "select * from noticias where texto RLIKE '$palabra'";
y en realidad $query será igual a:
"select * from noticias where texto RLIKE
'J[oöôõðòóøOÖÔÕÒÓØ]s[eèéêëEÈÉÊË]'"
Mysql encontrará ahora las coincidencias 'José', 'JOSÉ', 'JÓSÈ',
'Jösê',
etc, que es lo que se pretende, independientemente de si la palabra a
buscar es 'José' o 'jose'. No hace falta transformar todo a mayúsculas o
minúsculas, mysql lo hará automáticamente (con la tabla de la que
hablaba antes, la que reescribí)
Esta técnica de búsqueda funcionará perfectamente, aunque será más lenta
que la de las tablas modificadas, muy rápida, y también será más lenta
que la del duplicado de campos, que enlentece los inserts y updates,
pero en los selects, es rapidísima.
El operador RLIKE de mysql y su sinónimo REGEXP los podeis ver
documentados aquí:
http://www.mysql.com/documentation/mysql/commented/manual.php?section=String_comparison_functions
El uso de expresiones regulares en mysql, lo podeis ver aquí:
http://www.mysql.com/documentation/mysql/commented/manual.php?section=Regexp
Y también aquí:
http://www.mysql.com/documentation/mysql/commented/manual.php?section=Pattern_matching
Saludos.
Àngel