mysql 文本搜索

Posted 2020-08-30 梁大师

全文本搜索

mysql支持几种基本的数据库引擎，但并非所有的引擎都支持全文本搜索。两个最常使用的引擎为MyISAM和InnoDB，前者支持全文本搜索，后者就不支持。

理解全文本搜索

在前面的学习中，我们都知道有两种方式来匹配文本。一种是使用like关键字来进行匹配，另外一种就是使用正则表达式来进行匹配。

虽然使用正则表达式就可以编写查找所需行的足够复杂的匹配模式。但是，这些存在几个重要的限制影响：

1、性能：通配符和正则表达式时尝试匹配表中所有行，而这些搜索极少使用了表索引，因此，相当慢

2、明确控制：在匹配过程中，我们很少会相当的明确的知道我们想匹配什么，不匹配什么。

3、具有优先级的结果：在使用通配符和正则表达式进行匹配时，只是返回包含该匹配条件的结果，而不区分匹配程度（多个匹配和单个匹配的区别，在前面就匹配和在后面匹配的区别）。

上面提到的这些限制，都可以利用全文本搜索来进行解决。

使用全文本搜索

为了进行全文本搜索，必须索引被搜索的列，而且要随着数据的改变不断地重新索引。

在对表进行适当的设计之后，MySQL会自动进行所有的索引和重新索引。

在索引之后，select可与match() 和against()一起使用以实际执行索引。

那么，在建表的时候，如何启用全文本搜索支持呢？？？

如下： 

上面就这样通过fulltext 为指定行建立的相应的索引，如果，想指定多个列，将多个列都放入fulltext里面即可。

在定义之后，MySQL会自动维护该索引。无论是在增加、更新还是删除，索引也会随之更新。

进行全文本搜索

上面在建表后此表就有了全文本搜索的能力了，下面我们开始尝试下全文本搜索。 
在索引之前，我为test_text表增加了如下内容： 

当我们想利用全文本搜索得到 包含MySQL内容的数据。

如下：

select * from test_text where match(content) against(‘MySQL‘);

上面语句中 match(content) 指示MySQL针对指定的列进行搜索，注意：传递给match()的值必须与fulltext()定义中的相同。against(‘MySQL’)指定词MySQL作为搜索文本。

从结果可以看出，我们得到了两行包括MySQL字符串的数据。

上面的搜索利用我们学过的Like也可以完成，如下：

这两种方法的结果是一样的。次序也一样，理论上来说，利用全文本搜索会对出来的结果按照优先级来进行排序输出，但是从结果可以看出，在第一条语句中MySQL出现的位置相比第二条语句中的MySQL的位置还要滞后，为什么会出现在前面呢？？,与MySQL必知必会上面介绍的有一点出入

为了验证上面出现的问题，我们可以查下结果的优先级。在查看优先级之前，我又加入了一个以MySQL开头的行数据。下面举来看下优先级。

select id,content,match(content) against(‘MySQL‘) from test_text ;

从结果可以看出，确实是id=7的行的优先级大于id=8的优先级，原因在于优先级并不至于出现的先后位置有关系，还与诸如文本长度等因素也有关系。 

在增加了一行以MySQL开头的行数据之后，我们来一起观察下上面这两种方法的结果。

从上面两图可以明显看出，确实，利用全文本搜索对搜索到的内容进行一定的排序，而通配符却没有进行排序。至于全文本搜索对搜索到的内容进行排序由很多因素来进行决定，比如：出现的位置、出现的次数、文本自身的长度等等。

等级越高，出现的位置就越靠前，在我们生活中使用的搜索引擎（例如百度、google等）进行搜索东西的时候，我相信也是按照这样的逻辑来出现结果，当然除了百度公司收了别人钱把不匹配的内容人为的放在更前面。

使用查询扩展:with query expansion

前面介绍的只是普通的全文本搜索。

但是，我们在生活中常常有更严格的要求，例如，我希望搜索 的内容包括MySQL字符串，你还想得到与MySQL相关的内容（即使没有出现MySQL字眼），应该怎么来做呢？？

这就需要我们使用查询扩展了。

用法 ：在against(关键字 with query expansion) 即可 

从结果可以看出，当我们使用了查询扩展之后，就得到了更多相关的内容，即使这些内容不包括MySQL字眼。

至于MySQL是如何根据MySQL来得到与之相关的关键字，目前我还不清楚。

布尔文本搜索

MySQL支持全文本搜索的另外一种形式，称为布尔方式。以布尔方式，可以提供如下内容的细节：

• 要匹配的词；
• 要排斥的词、
• 排列提示（指定某些词比其他词更重要，更重要的词等级更高）
• 表达式分组。

要说明的是：即使没有fulltext索引也可以使用，只是速度相当相当的慢。

为显示 in boolean mode的作用，以一个简单的例子来进行说明。

select * from test_text where match(content) against(‘MySQL -interesting‘ in boolean mode);//返回必须包含MySQL不能包含interesting内容的数据。

关于全文本布尔操作符，见下表（来源于：《MySQL必知必会》这本书）

关于全文本布尔操作符的具体使用实例，与上面的例子类似，这里不在进行具体介绍。

全文本搜索的使用说明

1、MySQL带有一个内建的非用词列表。这些词在索引全文本数据时总是被忽略。如果需要，可以覆盖这个列表。

2、许多词出现的频率很高，搜索他们没有用处（因为返回太多的结果）。因此，MySQL规定了一条50%规则，如果一个词出现在50%以上的行中，则将它作为一个非用词忽略。50%规则不用于in boolean mode.

3、如果表中的数据的行数小于3行，则全文本搜索不返回结果。因此每个词要么不出现，出现就至少为50%。

4、忽略词中的单引号。例如：don’t 索引为dont。