mysql5.6 InnoDB 全文索引 FULLTEXT 中文解决方案 base64
Posted 听风且雨
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了mysql5.6 InnoDB 全文索引 FULLTEXT 中文解决方案 base64相关的知识,希望对你有一定的参考价值。
mysql5.6 innlDB 在CHAR、VARCHAR、TEXT类型的列上可以定义全文索引,但因为无法中文分词所以对中文的支持很差,但从MySQL5.7开始,MySQL内置了ngram全文检索插件,用来支持中文分词,并且对MyISAM和InnoDB引擎有效。
在没法升级5.7的情况下,5.6有变通的办法,就是将整句的中文拆分成单个汉字,并按urlencode、区位码、base64、拼音等进行编码使之以"字母+数字"的方式存储于数据库中。转换完达到如下的效果:
存储的是将汉字编码后的结果,用空格连起来,这样就可以使用5.6的全文索引来进行搜索,注意的是要将搜索的内容也先同样编码再进行搜索。
下面给出一种基于base64的汉字变换方式
/** * 关键词整理函数(用作mysql的全文索引制作的搜索) * 1.将字符串全角转半角、去空格、大写转小写、分成单个字符并base64编码、最后用空格连接类,方便mysql索引,做搜索关键字 * 2.将数字转全角做索引区分标识,全角数字为标识专用 **/ function keywords($str){ // 全角转半角 $str = strtr($str,[ \'1\' => \'1\',\'2\' => \'2\',\'3\' => \'3\',\'4\' => \'4\',\'5\' => \'5\',\'6\' => \'6\',\'7\' => \'7\',\'8\' => \'8\',\'9\' => \'9\',\'0\' => \'0\', \'A\' => \'A\',\'B\' => \'B\',\'C\' => \'C\',\'D\' => \'D\',\'E\' => \'E\',\'F\' => \'F\',\'G\' => \'G\',\'H\' => \'H\',\'I\' => \'I\',\'J\' => \'J\',\'K\' => \'K\',\'L\' => \'L\',\'M\' => \'M\',\'N\' => \'N\',\'O\' => \'O\',\'P\' => \'P\',\'Q\' => \'Q\',\'R\' => \'R\',\'S\' => \'S\',\'T\' => \'T\',\'U\' => \'U\',\'V\' => \'V\',\'W\' => \'W\',\'X\' => \'X\',\'Y\' => \'Y\',\'Z\' => \'Z\', \'a\' => \'a\',\'b\' => \'b\',\'c\' => \'c\',\'d\' => \'d\',\'e\' => \'e\',\'f\' => \'f\',\'g\' => \'g\',\'h\' => \'h\',\'i\' => \'i\',\'j\' => \'j\',\'k\' => \'k\',\'l\' => \'l\',\'m\' => \'m\',\'n\' => \'n\',\'o\' => \'o\',\'p\' => \'p\',\'q\' => \'q\',\'r\' => \'r\',\'s\' => \'s\',\'t\' => \'t\',\'u\' => \'u\',\'v\' => \'v\',\'w\' => \'w\',\'x\' => \'x\',\'y\' => \'y\',\'z\' => \'z\', \'~\' => \'~\',\'`\' => \'`\',\'!\' => \'!\',\'@\' => \'@\',\'#\' => \'#\',\'$\' => \'$\',\'%\' => \'%\',\'^\' => \'^\',\'&\' => \'&\',\'*\' => \'*\',\'(\' => \'(\',\')\' => \')\',\'_\' => \'_\',\'-\' => \'-\',\'+\' => \'+\',\'=\' => \'=\', \'{\' => \'{\',\'}\' => \'}\',\'[\' => \'[\',\']\' => \']\',\'|\' => \'|\',\'\\' => \'\\\\\',\':\' => \':\',\';\' => \';\',\'"\' => \'"\',\''\' => \'\\\'\', \'<\' => \'<\',\',\' => \',\',\'>\' => \'>\',\'.\' => \'.\',\'?\' => \'?\',\'/\' => \'/\',\' \' => \' \' ]); // 去空格 $str = str_replace(\' \',\'\',$str); // 大写转小写 $str = strtolower($str); // 数字统一格式为阿拉伯数字 $str = strtr($str,[\'零\' => 0,\'一\' => 1,\'二\' => 2,\'三\' => 3,\'四\' => 4,\'五\' => 5,\'六\' => 6,\'七\' => 7,\'八\' => 8,\'九\' => 9]); // 分成单个字符并base64编码 $str_len = strlen($str); // 获取关键字集合 $arr = []; $str_len = mb_strlen($str); for($i = 0;$i < $str_len;++ $i){ $keyword = strtr(base64_encode(mb_substr($str,$i,1)),\'+/=\',\'abc\'); if(!in_array($keyword,$arr)){ // 去除重复的关键字 $arr[] = $keyword; } } return $arr; }
例如将字符串 \'小明小红是朋友\' 输入改函数,返回的结果是数组如下
array(6) { [0]=> string(4) "5bCP" [1]=> string(4) "5piO" [2]=> string(4) "57qi" [3]=> string(4) "5piv" [4]=> string(4) "5pyL" [5]=> string(4) "5YaL" }
分别对应相应的汉字,注意小明和小红都有小这个字,所以去掉重复的字,只有六个编码。
然后用空格将数组连起来
$keywords = implode(\' \',keywords($keyword));
将$keywords 存入数据库。
进阶:
如果匹配的关键词包含一些常用的字,会出现大量的结果。
例如搜索书名 霸道总裁,可能会出现,裁缝,总经理,这样的结果
全文搜索是按照相关度从高到底返回的结果,可以只去去前面一些相关度较高的结果。
或者先查询出相关度最高是多少(相关度是一个数值),然后除以二,限定结果的相关度都大于这个最大相关度的一半。
参考
// 通过最大相关度/2过滤一部分无关结果
//查询出最大相关度是多少 $score = $this->sql(\'xs.nh\')->query(\'SELECT MATCH(keywords_base) AGAINST (?) AS score FROM nh ORDER BY score DESC LIMIT 1\',[$keywords]); //构造查询语句 $this->where[\'MATCH(keywords_base) AGAINST\'] = [$keywords,\'> \'.$score[0][\'score\'] / 2];
以上是关于mysql5.6 InnoDB 全文索引 FULLTEXT 中文解决方案 base64的主要内容,如果未能解决你的问题,请参考以下文章