我有包含希腊字符的搜索索引。许多人不知道如何输入希腊语，所以他们输入了一个叫做“beta-code”的东西。Beta 代码可以转换为希腊语。例如，beta 代码“NO/MOU”将被转换为“νόμου”。斜线或括号等字符用于表示重音。
我希望用户能够使用希腊语脚本中的 beta 代码或文本进行搜索。我发现 Whoosh Variations类提供了我需要的机制，它几乎解决了我的问题。
Variation 类运行良好，除非在用户查询中使用斜杠或括号表示重音。问题是查询被解析，以便用于表示重音的特殊字符导致单词被拆分。例如，搜索“NO/MOU”会导致 Variations 类被要求查找“no”和“mou”的变体，而不是“NO/MOU”。
有没有办法影响查询的解析方式，以便在搜索词中包含斜杠和括号（即搜索“NO/MOU”会导致搜索“NO/MOU”的标记而不是“ no”和“mou”）？
搜索解析器使用 Tokenizer 类将搜索字符串分解为单独的术语。Whoosh 将使用与模式关联的类。例如，在下面的情况下，搜索“内容”字段时将使用 SimpleAnalyzer()。
Schema( verse_id = NUMERIC(unique=True, stored=True),
content = TEXT(analyzer=SimpleAnalyzer()) )
默认情况下，SimpleAnalyzer() 使用以下正则表达式来标记搜索词：“\w+(.?\w+)*”
要使用不同的正则表达式，请将 SimpleAnalyzer 的第一个参数分配给另一个正则表达式。例如，要在标记中包含 beta 代码字符（斜杠、括号等），请使用以下 SimpleAnalyzer：
SimpleAnalyzer( rcompile(r"[\w/*()=\+|&']+(\.?[\w/*()=\+|&']+)*") )
搜索现在将允许术语包含特殊的 beta 代码字符，并且 Variations 类将能够将术语转换为 unicode 版本。