日本語文字列にREGEXPは使えないMySQL

キヤノンとキャノン

• たとえば、企業名の“キヤノン”。大きい“ヤ”で表記することを知っている人は多いですが、普通発音するときは“キャノン”と言いますよね。

• 文字列検索において、アルファベットの大文字小文字を同一視するのと同じ感覚で、“ヤ”と“ャ”、“ツ”と“ッ”など、いわゆる撥音・拗音を同一視したい場合があります。

• 今回のシステムではDBMSにMySQL5が採用されています。これで実現するにはどうしようかと、参考本をめくっていると…REGEXP、正規表現による文字列マッチングができそうです。

• 早速やってみると…

実行

SELECT  'キヤノン' REGEXP 'キ[ヤャ]ノン';

結果

0

• マッチしない…キ[ヤャ]にすると…

実行

SELECT  'キヤノン' REGEXP 'キ[ヤャ]';

結果

1

• マッチする。どういうことかとググッってみると、日本語（マルチバイト）文字に対応していないそうです。しかし、やはり同じことをする人はいらっしゃいまして、http://www.irori.org/ で、mregexpというユーザ関数が公開されています。

• インストールについてはさらりとしか触れていませんが、私などはよくわからずやっているのでちょっとハマりました。。。（MySQLってこんなことができるんですね）

• コンパイル時
  • mysql_configにパスが通っていなかったこと。

• 起動スクリプト
  • LD_LIBRARY_PATHに、mysqlのパスに加えてOnigurumaへのパスも設定しないと動かなかったこと。

• 関数を登録する部分でエラーになる。(mregexp はOKだった）

CREATE FUNCTION mregexp_version RETURNS STRING SONAME 'mregexp.so';
 ERROR 1127 (HY000): Can't find function 'mregexp_version_init' in library

まあ、とりあえずmregexpは登録できて動作は確認できたので、詳細は後日調べよう。

Tweet