MySQL從3.23.23開始就逐漸支持全文索引和搜尋。
全文索引就是建index,全文搜尋就是去查index。
LIKE是用Regular Expression去做查詢。
MySQL全文索引是一種index type:FULLTEXT。
全文索引的index只能用在MyISAM表格的char、varchar和text的字段上。
全文索引的index可以在create table、alter table和create index時產生。
create table...
CREATE TABLE article (
id INT AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT(title, body)
) TYPE=MYISAM;
alter table...
create index...
要倒大量的數據到有全文索引index的table速度會很慢,建議先拿掉全文索引index再倒數據,倒完後再加上全文索引index。
全文搜尋的語法:
MATCH (col1, col2,...) AGAINST (expr [search_modifier])
三種搜尋方式:
IN BOOLEAN MODE
IN NATURAL LANGUAGE MODE
IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION / WITH QUERY EXPANSION
IN NATURAL LANGUAGE MODE
expr就是要搜尋的字符串。
沒有特殊字符。
套用Stopwords。
剔除一半row以上都有的字,譬如說,每個row都有mysql這個字的話,那用mysql去查時,會找不到任何row,這在row的數量無敵多時很有用,因爲把所有row都找出來是沒有意義的,這時,mysql幾乎被當作是stopword;但是當row只有兩筆時,是啥鬼也查不出來的,因爲每個字都出現50%以上,要避免這種狀況,請用IN BOOLEAN MODE。
預設的搜尋方式。
SELECT *
FROM article
WHERE MATCH(title, body)
AGAINST ('xxx' IN NATURAL LANGUAGE MODE);
預設搜尋是不分大小寫,若要分大小寫,columne的character set要從utf8改成utf8_bin。
預設MATCH...AGAINST是以相關性排序,由高到低。
MATCH...AGAINST可以跟所有MySQL語法搭配使用,像是JOIN或是加上其他過濾條件。
-- 第一種count
SELECT COUNT(*)
FROM article
WHERE MATCH(title, body)
AGAINST ('xxx' IN NATURAL LANGUAGE MODE);
-- 第二種count
SELECT COUNT(IF(MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE), 1, NULL)) AS count
FROM article
當符合的筆數較多時,第一種count比較慢,因爲MATCH...AGAINST會先依相關性排序。
當符合的筆數較少時,第二種count比較慢,因爲第二種count會掃過所有數據。
MATCH(title, body)裏的字段必須和FULLTEXT(title, body)裏的字段一模一樣,如果只要單查title或body一個字段,那得另外再建一個FULLTEXT(title)或FULLTEXT(body),也因爲如此,MATCH()的字段一定不能跨table,但是另外兩種搜尋方式好像可以。
SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score
FROM article;
這樣可以取得相關值,而且也因爲沒有WHERE和ORDER BY,所以不會排序。
SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score
FROM article
WHERE MATCH(title, body)
AGAINST ('xxx' IN NATURAL LANGUAGE MODE);
排序又取得相關性,雖然MATCH...AGAINST用了兩次,但是MySQL知道這兩個MATCH...AGAINST是一樣的,所以只會用一次。
SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score
FROM article
ORDER BY score desc;
爲啥不這樣用就好?
MySQL的FULLTEXT怎麼斷字:
字母、數字、底線的組合視爲一個字,不會把底線斷字。
會被斷字的字符:空白、逗號(,)與點(.),但不用這些斷字的語言,如中文,就得自行手動斷字。
可以自行實做一個斷字的外掛來取代內建的斷字parser。
接受一個單引號,如aaa'bbb視爲一個字,但是aaa''bbb就是兩個字。
前綴或字尾的單引號會被去掉,如'aaa或aaa'。
全文搜尋時,stopword與少於四個字符的字符串會被忽略。
可以覆寫內建的stopword清單。
可以修改最少四個字符的設定。
IN BOOLEAN MODE
expr裏有特殊字符輔助特殊的搜尋語法。
SELECT *
FROM article
WHERE MATCH(title, body)
AGAINST ('+mysql -yoursql' IN BOOLEAN MODE);
一定要有msysql,且不要有yoursql。
IN BOOLEAN MODE的特色:
不剔除50%以上符合的row。
不自動以相關性反向排序。
可以對沒有FULLTEXT index的字段進行搜尋,但會非常慢。
限制最長與最短的字符串。
套用Stopwords。
搜尋語法:
+:一定要有。
-:不可以有,但這個「不可以有」指的是在符合的row裏不可以有指定的字符串,所以不能只下「-yoursql」這樣是查不到任何row的,必須搭配其他語法使用。
:(什麼都沒)預設用法,表示可有可無,有的話排比較前面,沒有的排後面。
>:提高該字的相關性。
<:降低相關性。
( ):條件可以巢狀。
+aaa +(>bbb <ccc) // 找到有aaa和bbb,或者aaa和ccc,然後aaa&bbb排在aaa&ccc前面
~:將其相關性由正轉負,表示擁有該字會降低相關性,但不像「-」將之排除,只是排在較後面。
*:萬用字,不像其他語法放在前面,這個要接在字符串後面。
" ":用雙引號將一段句子包起來表示要完全相符,不可拆字。
IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION
也可以用WITH QUERY EXPANSION。
IN NATURAL LANGUAGE MODE的衍生版。
先用IN NATURAL LANGUAGE MODE做搜尋,得到最相關的字段的字再加到原expr裏,再查一次。
神奇功能之一:可以用database查出mysql或oracle,第一次查詢用databae得到一些結果,從這些結果裏抽取字符串,此時得到mysql與oracle的機率相當高,最後用database和這些出取出來的字符串做一次查詢。
神奇功能之二:無法拼出正確字符串時,第一次用「相似」的錯誤字符串查詢,很有可以得到正確的字符串,再用正確的字符串急可以得到想要的結果。
因爲這種查詢方式會讓「噪聲」爆增,所以建議第一次的查詢字符串儘量精簡。
Stopwords請參考http://dev.mysql.com/doc/refman/5.1/en/fulltext-stopwords.html。
全文搜尋的限制:
只能用在MyISAM表格上。
支援UTF-8。
中文支持問題:
MySQL不會斷中文字:MySQL內建的字依據是空白、逗號和點,對此內建機制的白癡解法是,存中文字時自行塞入空白斷字,但是還是有下面的限制。
查詢字符串最少四個字符的限制:所以一二三個中文字都不能查,必須將ft_min_word_len從預設的4改成1。
雖然同一個表格可以有不同字符集的字段,但是同一個FULLTEXT index裏的字段必須是同一個字符集與collation。
MATCH裏的字段必須和FULLTEXT裏的一模一樣,IN BOOLEAN MODE允許不一樣,甚至使用未FULLTEXT index的字段,但速度很慢。
AGAINST裏必須是字符串,不可以是變量或域名。
全文搜尋使index hint受限。
MySQL全文搜尋設定:
大部分的參數都是啓動參數,也就是修改後必須重新啓動MySQL。
有些參數修改必須重新產生索引文件。
mysql> SHOW VARIABLES LIKE 'ft%';
ft_boolean_syntax + -><()~*:""&|
ft_min_word_len 4
ft_max_word_len 84
ft_query_expansion_limit 20 ft_stopword_file (built-in)
ft_min_word_len:最短的索引字符串,默認值爲4,修改後必須重建索引文件。
ft_max_word_len:最長的索引字符串,默認值因版本而不同,餘同上一點。
[mysqld]
ft_min_word_len=1
ft_stopword_file:stopword檔案路徑,若留空白不設定表示要停用stopword過濾,修改後必須重新啓動MySQL和重建索引;stopword檔案內容可以用分行空白與逗號區隔stopword,但底線和單引號視爲合法的字符串字符。
50%的門坎限制:配置文件在storage/myisam/ftdefs.h,將 #define GWS_IN_USE GWS_PROB 改爲 #define GWS_IN_USE GWS_FREQ,然後重新編譯MySQL,因爲近低門坎會影響數據的精準度,所以不建議如此,可用IN BOOLEAN MODE即可以避開50%的限制。
ft_boolean_syntax:改變IN BOOLEAN MODE的查詢字符,不用重新啓動MySQL也不用重建索引。
修改字符串字符的認定,譬如說將「-」認定爲字符串的合法字符:
方法一:修改storage/myisam/ftdefs.h的true_word_char()與misc_word_char(),然後重新編譯MySQL,最後重建索引。
方法二:修改字符集檔,然後在FULLTEXT index的字段使用該字符集,最後重建索引。
重建索引:
每個有FULLTEXT index的表格都要這麼做。
mysql> REPAIR TABLE tbl_name QUICK;
要注意如果用過myisamchk,會導致上述的設定值回覆成默認值,因爲myisamchk不是用MySQL的設定值。
解法一:將修改過得設定值加到myisamchk的參數裏。
shell> myisamchk --recover --ft_min_word_len=1 tbl_name.MYI
解法二:兩邊都要設定。
[mysqld]
ft_min_word_len=1
[myisamchk]
ft_min_word_len=1
解法三:用REPAIR TABLE、ANALYZE TABLE、OPTIMIZE TABLE與ALTER TABLE取代myisamchk語法,因爲這些語法是由MySQL執行的。
mysql全文索引中文問題的解決(轉)
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.