如何在JAVA中比较不同语言的String值？

Question

在我的网络应用程序中，我使用两种不同的语言，即英语和阿拉伯语。

我的网络应用程序中有一个搜索框，如果我们按名称或部分名称搜索，它将通过比较“家乡”来从数据库中检索值用户

解释：

例如，如果用户属于家乡“加利福尼亚”，并且他搜索名称，例如“Victor” > 那么我的查询将首先看到具有相同家乡“加利福尼亚”的人，以及在“加利福尼亚”作为家乡的人员列表中” Victor” *姓名*将被搜索，并检索以“加利福尼亚”作为其家乡”和“victor”。

问题是，如果家乡“加利福尼亚”是用英语保存的，它会比较并检索这些值。但“加利福尼亚”将被保存为阿拉伯语的“كרففׁר”。在这种情况下，家乡比较失败并且无法检索值。

我希望我的查询应该找到两个相同的家乡并检索值。是否可以？

对于这个逻辑我应该想到什么替代来进行比较。我很困惑。请问有什么建议吗？

编辑： *我有一个想法，如果获得了家乡，那么是否可以使用谷歌翻译或音译器将家乡更改为另一种语言。如果是英语，则转换为阿拉伯语，或者如果是英语，则转换为阿拉伯语，并给出将两者结合起来的搜索结果。有什么建议吗？*

Answer 1

您可以在客户端使用一些本地化来显示值吗？或者为hometown创建一个包装类，它将重写equal(Object)，就像加利福尼亚州的实例为“加利福尼亚州”返回true一样和“?????”（抱歉，如果我在这里犯了错误，只是从上面复制粘贴）。

Answer 2

这听起来像是一个经典的编码问题。每当您传输非 ASCII 字符时，您都需要确保对其进行正确的编码。对于阿拉伯语和英语，我怀疑您可以使用 UTF-8 （但我不知道阿拉伯语，所以可能是错误的）。

在您的设置中，您可能会遇到以下几点：

Browser <-> Servlet container <-> Database
                   |
                System.out

在将字符（16 位）转换为字节（8 位）的任何系统接口中，您需要确保编码正确。

浏览器到 Servlet 容器

当您从网页执行 GET 或 POST 请求时，浏览器将查看 1) 来自服务器的 HTTP 标头，尤其是 Content-Type: text/html; charset=UTF-8，如果存在，将覆盖 HTML 元标头 。

在 servlet 容器端，HttpServletRequest.getParameter() 将具有您最有可能需要在服务器设置中设置的编码。

示例 tomcat 的 server.xml

<Connector port="8080" protocol="HTTP/1.1" URIEncoding="UTF-8"
           maxThreads="2000"                
           connectionTimeout="20000" 
           redirectPort="8443" />

Servlet 容器到数据库

数据库需要有正确的编码，否则排序等将不正确。

MySQL 的 my.cnf 示例

[mysqld] 
 ....
init_connect=''SET collation_connection = utf8_general_ci'' 
init_connect='SET NAMES utf8' 
default-character-set=utf8 
character-set-server = utf8 
collation-server = utf8_general_ci 

[mysql] 
 ....
default-character-set=utf8 

然后 JDBC 驱动程序需要设置为 UTF-8。

示例 JDBC 连接字符串

jdbc:mysql://localhost:3306/rimario?useUnicode=true&characterEncoding=utf-8

System.out

不能依赖 System.out.printnln() 来验证事物。首先，它取决于 java vm 默认编码，使用 System.property -Dfile.encoding=UTF-8 设置，其次，您执行 System.out 的终端需要设置为支持UTF-8。不要相信 System.out！

一旦VM中的String是正确的字符，它就不会受到编码的影响。在内存中，字符串中的每个字符都是16位的，这（几乎）涵盖了utf-8可以编码的所有字符。您可以将字符串写入文件并调查该文件，以真正了解虚拟机中的字符是否正确。

Answer 3

您遇到的问题是您想要/需要两种或多种语言的信息，并且您希望应用程序的用户能够使用两种语言。一种可能的方法是为每个项目保留多个记录，并包含语言代码作为主键的一部分，例如，如果您的记录是

id   hometown   name
001  California Victor

您可以引入语言代码并存储

id   lang hometown   name
001  en   California Victor
001  ar   كاليفورنيا Victor

，那么您的搜索将匹配“加利福尼亚”或“美国”您的 id 001，然后您可以使用它来加载数据的所有翻译（或仅加载当前输出语言的数据）。该方案可以与任意数量的语言一起使用，并且具有您不需要的额外优势预填充表格。当新的翻译已知时，您可以添加新的记录翻译。

（警告：我只是重复了你的阿拉伯语字符串，我看不懂它，而且“ar”很可能不是阿拉伯语的正确语言代码，但你明白了。）

Answer 4

阿拉伯语听起来像“加利福尼亚”吗？如果是这样，您将需要在“听起来相似”的基础上进行比较，这很可能会导致音素转换。

Answer 5

将所有姓名音译为同一种语言（例如英语）进行搜索，并使用 Levenstein 编辑距离来计算姓名语音表示之间的相似度。如果您只是将查询与每个名称进行比较，那么速度会很慢，但是如果您将数据库中的所有地名预先索引到 Burkhard-Keller树，那么就可以通过与查询词的编辑距离来高效地搜索它们。

此技术允许您根据名称的实际匹配程度对名称进行排序。与使用变音位或双变音位相比，您可能更有可能通过这种方式找到匹配项，尽管这更难实现。

Answer 6

你的谷歌建议听起来可能也是一个不错的建议，但你应该尝试一下，并确保你对其准确性感到满意。在测试希伯来语和英语之间的工作方式时，我注意到有时谷歌在翻译成希伯来语时只是将英文地名保留在英文字母中。