第十八章 全文本搜索

Posted 2020-08-24

1.使用like和regexp进行文本的搜索有几个缺点:
A:性能不高，通配符和正则表达式通常要求mysql尝试匹配表中所有行，由于行数多，这些搜索可能很耗时
B:使用正则表达式和通配符很难明确空值
C:虽然基于通配符和正则表达式的搜索提供了非常灵活的效率，但它们都不能提供一种智能化的选择结果

2.为了进行全文本搜索，必须索引被搜索的列，而且随着数据的改变不断重新索引。在索引之后select可与match()和against()一起使用。

3.一般在创建表时启用全文本搜索。create table语句接受fulltext子句如下:

注意点:不要在导入数据时使用fulltext，而应该首先导入数据，然后定义fulltext，这样效率比较高

4.在索引之后，使用match()指定被搜索的列，against()指定要使用的搜索表达式。
传递给match的值必须与fulltext中定义的相同，而且若指定多个列，列的顺序也要正确
全文本搜索的一个重要部分是对结果排序，具有较高等级的行先返回，文中词靠前的行的等级比词靠后的行高

5.使用扩展查询(with query expansion):
mysql对数据和索引进行两边扫描来完成搜索，首先找出与搜索条件匹配的所有行，其次mysql检查这些匹配行并选择所有有用的词，然后在进行一次全文本搜索，不仅使用原来的条件，而且还使用所有有用的词

如上可知，扩展查询增加了返回的行数，但是也返回了一些没用的行

6.布尔文本搜索(in boolean mode)
以布尔方式可以提供如下内容:
A:要匹配的词
B:要排斥的词
C:排列提示
D:表达式分组
E:其他内容
+: 包含，词必须存在
-: 排除，词必须不存在
>: 包含，增加等级
<: 包含，减少等级
(): 把词组成表达式
~: 取消一个值的排序值
*: 词尾通配符
"": 定义一个短语，与单个词的列表不同，它将匹配整个短语

7.布尔搜索注意点:
在布尔方式中，不按等级值降序排序返回行，即只排列而不排序
可以在非fulltext列中进行布尔搜索，但是效率很低

8.全文本搜索说明:
A:在索引全文本数据时，短词将被从索引中排除。短词定义为具有3个及以下的词(数目可更改)
B:mysql带有一个内建的非用词列表，这些词在索引中总是被忽略(此表可被覆盖)
C:如果一个词在行中出现的频率大于百分之50，则将其作为非用词进行忽略。此规则不用于布尔搜索中
D:仅在myisam数据库引擎中支持全文本搜索
E:对于汉语不能恰当的返回全文本搜索结果
F:忽略词中的引号，如don\'t索引为dont