c++ - 索引字符串和国际化

Question

我最近提出了一种用于查找重复客户记录的索引算法。简而言之，这一切都很好。

但是，我的问题是我想找到“Diviér”应该匹配“Divier”，或者“Aether”应该匹配“Æther”。没问题，因为使用 libicu 或 boost::locale 可以删除变音符号，并且问题使用 wstring。但是，这是我的问题：规范化/拉丁化一个单词会改变它的含义，匹配可能不再有意义。我想就名称是否可以接受一些输入...

另外，如果有人有中文名字怎么办？这不会以这种方式归一化，不是吗？

你对如何解决这个问题有什么建议吗？

Answer 1

您应该更多地查看地址，而不是过多地查看名称。最后，名称可能非常具有误导性。例如，根据国家的不同，中文、俄文或日文字符的转录可能会有所不同。然后有时名称字段太短而无法捕获一个人的全名（尤其是在印度人的名字中很常见），这会导致任何看似随机的缩写。有时人们会省略中间名，有时则不会。有时会有拼写错误给出正确但不同的名称。

因此，在我看来，名称应该是查找重复项最不重要的标准。