$collation不能直接用于$group或$project，因其仅为aggregate()顶层选项，仅影响字符串比较逻辑（如$match、$sort、$_id计算），不修改字段值；归一化需手动用$toLower、$regexReplace等实现。
为什么 $collation 不能直接用在 $group 或 $project 里
因为 $collation 不是聚合表达式操作符，而是整个 aggregate() 方法的顶层选项，只作用于涉及字符串比较的阶段（如 $match、$sort、$group 的 _id 计算），它不会修改字段值本身。你无法靠它把 “café” 变成 “cafe”，也无法让 $group 自动把大小写/重音等价的字符串合并——它只影响比较逻辑。
归一化必须手动做：用 $toLower + $replaceAll + $regexReplace
MongoDB 7.0+ 支持 Unicode-aware 正则（需启用 ICU 库），这是多语言归一化的实际落地方案。核心思路是：先转小写，再移除变音符号，最后清理多余空格或标点。常见组合如下：
-
$toLower: "$title"—— 统一小写（基础，但不处理重音） -
$replaceAll: { input: { $toLower: "$title" }, find: "á|à|â|ã|ä|å", replacement: "a" }—— 手动映射常见拉丁重音（适用于已知语种） -
$regexReplace: { input: { $toLower: "$title" }, regex: /[u0300-u036fu1ab0-u1affu1dc0-u1dffu20d0-u20ffufe20-ufe2f]/g, replacement: "" }—— 移除 Unicode 组合变音符号（更通用，依赖 ICU） - 若需进一步标准化空白和连字符：
$replaceAll: { input: ..., find: "[\s\-]+", replacement: " " }
注意：$regexReplace 的 regex 字段必须是字面量正则对象（不能是字符串），且全局标志 g 在 MongoDB 7.0 中已支持。
在 $group 阶段使用归一化键时的坑
归一化后的字符串作为 _id 使用时，容易因空值、全空白或正则失败导致分组异常。务必加保护：
- 用
$ifNull备份原始字段：_id: { $ifNull: [ { $regexReplace: { ... } }, "$title" ] } - 用
$trim清理首尾空格，避免 "hello " 和 "hello" 被视为不同 - 若归一化结果为空字符串，考虑 fallback 到
"<empty>"</empty>，否则多个空值会聚成一组，掩盖数据问题 - 副本集环境下，确保所有节点启用相同 ICU 版本（
db.runCommand({getCmdLineOpts: 1})查icuVersion），否则归一化行为不一致
性能与分片注意事项
归一化操作（尤其带正则的）无法走索引，$group 前若没 $match 过滤，全量扫描开销极大。更关键的是：
- 在分片集群中，含
$regexReplace或$replaceAll的$group无法下推到分片执行，必须由mongos汇总后计算，网络和内存压力陡增 - 如果归一化字段是分片键的一部分，务必确认归一化逻辑在所有客户端和驱动中完全一致，否则路由错乱
- 测试时用
explain: true看splitPipeline，确认是否出现"mergeType": "mongos"—— 这意味着归一化被迫在路由层集中处理
真正难的不是写出归一化表达式，而是让同一套逻辑在插入、查询、聚合、分片路由中行为完全一致；稍有出入，数据就“看起来存在，却查不到”。
