KeresésÁllapot: 2026-10
Ékezetfüggetlen keresés kétnyelvű statikus oldalon
Hogyan találja meg egy szerver nélküli keresés az ékezet nélkül, elgépelve és toldalékolt alakban beírt magyar szavakat, és mennyibe kerül ez indexméretben.
Kutatási kérdés: Hogyan találja meg egy szerver nélküli keresés a magyar szavakat ékezet nélkül, elgépelve és toldalékolt alakban is?
Projektigény
Kétnyelvű statikus portfólió keresővel, külső szolgáltatás nélkül. A magyar látogató gyakran ékezet nélkül gépel, a magyar szavak pedig toldalékolva szerepelnek a szövegben, például „modellekkel”.
Módszer és ellenőrzés
- Nyelvenként egy build-időben generált index, a böngészőben MiniSearch-csel keresve.
- Azonos normalizálás indexeléskor és kereséskor: Unicode NFD felbontás, az ékezetjelek törlése, kisbetűsítés.
- Prefix-egyezés 0,2-es fuzzy tűréssel, minden keresőszó kötelező, a cím és a címkék nagyobb súllyal.
- Ellenőrzés a kész magyar indexen (2026-10-10, 43 bejegyzés): a „feltöltés” és a „feltoltes” ugyanazt az 5 találatot adja; a „nyelvi modell” és az elgépelt „nyelvi modelek” egyaránt 4-et, élen a kis nyelvi modellekről szóló kutatással; a „kepoptim” részlet is talál.
- Mérés 2026-10-10-én, 43 indexbejegyzéssel; indexméret: angol 34,7 KB (gzip 10,8 KB), magyar 38,8 KB (gzip 12,1 KB).
Eredmények
- Az ékezetek törlése mindkét oldalon ékezetfüggetlen keresést ad, magyar szótár nélkül.
- A prefix-egyezés lefedi a toldalékok nagy részét, mert a magyar toldalék a szótő után áll („modell” illeszkedik a „modellekkel” alakra).
- A fuzzy tűrés kezeli a gyakori elgépeléseket, például a hiányzó kettőzött mássalhangzót.
- Ennél a tartalommennyiségnél a teljes index első fókuszkor való betöltése olcsó; darabolt index nem kell.
Döntés
Nyelvenként egy index, lusta betöltéssel, NFD-normalizálással, prefix-egyezéssel, 0,2-es fuzzy tűréssel és kötelező keresőszavakkal. Szótövezés nincs.
Korlátok és nyitott kérdések
- A tőváltozó szavakat, például „tó” és „tavak”, a prefix-egyezés nem találja meg; ehhez magyar szótövező kellene.
- Az ékezetek törlése összevonhat eltérő szavakat, például „kor” és „kór”; ezt külön nem vizsgáltam.
- Az index a tartalommal együtt nő; jóval nagyobb tartalomhoz darabolt index vagy más eszköz kellene.