Cara Menemukan Satu Karakter Mandarin di Jurnal Campuran Mandarin-Inggris

Mulailah dengan dokumentasi pencarian bawaan aplikasi

Pencarian adalah fitur aplikasi, bukan aturan universal. Sebuah jurnal mungkin menggunakan indeks teks lengkap (full-text index), pemindaian teks dasar, atau lebih dari satu mode. Bahkan produk yang dibangun di atas SQLite pun dapat berbeda dalam ekstensi SQLite, tokenizer, dan penanganan spesifik aplikasinya. Sebagai contoh, [Joplin mendokumentasikan penggunaan SQLite FTS4-nya](https://joplinapp.org/help/apps/search/) dan menyatakan bahwa aplikasinya beralih ke mode khusus untuk bahasa-bahasa yang tidak menggunakan batas kata Latin, termasuk bahasa Mandarin. Halamannya juga membedakan pencocokan istilah persis (exact-term) dari pencocokan substring dalam mode FTS yang terdokumentasi. Detail ini menggambarkan Joplin; detail tersebut tidak menetapkan cara kerja jurnal lain.

Cari tahu versi produk dan platform yang tepat, lalu perhatikan apakah panduannya mendeskripsikan pencarian teks lengkap, mode dasar, pencocokan token atau kata, pencocokan substring, perilaku khusus bahasa, serta konten yang diindeks seperti lampiran. Jangan menyimpulkan bahwa kotak pencarian memindai setiap karakter yang terlihat hanya karena kotak tersebut menerima input bahasa Mandarin. Sebaliknya, jangan berasumsi bahwa sebuah indeks akan menolak teks bahasa Mandarin: aplikasi tersebut mungkin memiliki mode peka bahasa atau implementasi lainnya.

Buat catatan kontrol kecil

Gunakan satu catatan yang sudah diketahui sebagai pemeriksaan terkontrol. Misalnya, buat catatan fiktif yang isinya: “山水 — 北京 — journal”. Di sini, 山 adalah karakter tunggal yang diketahui; 北京 adalah istilah dua karakter yang diketahui; dan journal adalah kata kontrol bahasa Inggris. Simpan catatan tersebut, beri jeda waktu pengindeksan sesuai yang terdokumentasi, dan cari setiap item secara terpisah. Catat apakah catatan tersebut muncul untuk 山, 北京, dan journal. Ini adalah saran pengujian, bukan hasil pengujian aplikasi nyata mana pun.

Jika journal juga tidak menemukan catatan tersebut, periksa terlebih dahulu apakah catatan sudah disimpan, disertakan dalam akun atau buku catatan yang dipilih, dan berada di bidang (field) yang dicari. Jika journal berfungsi tetapi kedua kueri bahasa Mandarin tidak berfungsi, masalahnya lebih spesifik pada penanganan CJK atau bagaimana istilah pencarian diinterpretasikan. Jika 北京 berfungsi tetapi 山 tidak, catat perbedaan tersebut: hal ini mungkin mengindikasikan perilaku batas token atau istilah minimum, tetapi hasil itu sendiri belum dapat memastikan penyebabnya.

Bandingkan pencarian teks lengkap, dasar, dan substring secara cermat

Dalam pencarian teks lengkap, aplikasi dapat membagi teks menjadi beberapa istilah dan mencocokkan istilah yang diindeks tersebut. Sebaliknya, pencarian substring mencari urutan karakter di dalam teks yang lebih panjang. Keduanya merupakan perilaku yang berbeda: mencocokkan seluruh istilah tidak serta-merta berarti mencocokkan setiap urutan yang lebih pendek di dalamnya. Joplin secara eksplisit mendokumentasikan perbedaan ini untuk kueri FTS-nya dan menyatakan bahwa mode khusus CJK-nya menghindari ketergantungan pada batas kata Latin. Awalan garis miring yang terdokumentasi akan beralih ke pencarian dasar untuk kasus-kasus yang sulit ditangani oleh FTS, meskipun Joplin memperingatkan bahwa mode ini bisa jauh lebih lambat. Gunakan sintaks tersebut hanya di Joplin dan hanya seperti yang dijelaskan dalam panduan terbarunya.

Dokumentasi basis data dapat menjelaskan mengapa detail implementasi itu penting tanpa memprediksi hasil aplikasi secara pasti. [Dokumentasi FTS5](https://sqlite.org/fts5.html) SQLite mendeskripsikan tokenizer yang dapat dikonfigurasi, termasuk opsi Unicode61 dan trigram. Namun, dokumentasi Joplin yang dikutip menyebutkan FTS4. Oleh karena itu, contoh FTS5 tidak dapat digunakan untuk mengklaim bahwa Joplin, atau setiap jurnal, menggunakan tokenizer tersebut. Periksa dokumentasi aplikasi itu sendiri sebelum menerapkan penjelasan tingkat basis data.

Diagnosis polanya, bukan hanya kueri yang gagal

Gunakan urutan ini untuk mempersempit masalah:

Jangan menerapkan operator pencarian atau kesimpulan dari satu aplikasi ke aplikasi lainnya. [Panduan pengguna Catatan](https://support.apple.com/guide/notes/search-your-notes-not18ab658ed/mac) Apple mendeskripsikan pencarian isi catatan dan beberapa jenis lampiran, serta menyebutkan bahwa fitur yang tersedia dapat bergantung pada akun. Panduan tersebut tidak menentukan batas token bahasa Mandarin atau menjamin pengambilan substring karakter tunggal. Ketika dokumentasi resmi tidak menyatakan poin tersebut, kesimpulan yang dapat diandalkan adalah bahwa perilaku tersebut memang tidak terdokumentasi di sana.

Apa yang dapat ditunjukkan oleh pencarian kontrol kepada Anda

Catatan kontrol membantu membedakan antara catatan yang hilang atau cakupan pencarian yang salah dari masalah pencarian khusus bahasa. Hal ini tidak membuktikan bagaimana aplikasi mengindeks setiap catatan, lampiran, akun, atau bahasa. Simpan rincian aplikasi, platform, versi, mode pencarian, dan hasil dari ketiga kueri secara bersamaan; catatan ringkas tersebut jauh lebih berguna daripada sekadar mengatakan "pencarian bahasa Mandarin rusak". Jika Anda memerlukan pencarian satu karakter yang andal untuk arsip sebenarnya, pastikan perilakunya terhadap catatan representatif Anda sendiri sebelum menata ulang atau mengimpor ulang catatan tersebut.

Lanjutkan topik ini