1. 環(huán)境準(zhǔn)備
MySQL 5.7.6之前，全文索引只支持英文全文索引，不支持中文全文索引，需要利用分詞器把中文段落預(yù)處理拆分成單詞，然后存入數(shù)據(jù)庫(kù)。 MySQL 5.7.6開始，MySQL內(nèi)置了ngram全文解析器，用來(lái)支持中文、日文、韓文分詞。 本文使用的MySQL 版本是5.7.22，InnoDB數(shù)據(jù)庫(kù)引擎。
所以這里需要MySQL的版本大于5.7.6
|
1
2
3
4
5
6
7
8
|
-- 查看mysql的版本mysql> select version();+-----------+| version() |+-----------+| 5.7.33 |+-----------+1 row in set (0.02 sec) |
在 mysql 配置文件中添加分詞以及最小詞語(yǔ)長(zhǎng)度 （如果已經(jīng)配置可以忽略）
ft_min_word_len 最小字符長(zhǎng)度默認(rèn)為 4，在英文條件下確實(shí)比較合理中文情況下需要修改；
ngram_token_size 分詞的最小長(zhǎng)度 舉個(gè)例子 不同長(zhǎng)度對(duì) 你好世界 的分詞
|
1
2
3
4
|
n=1: '你', '好', '世', '界'n=2: '你好', '好世', '世界'n=3: '你好世', '好世界'n=4: '你好世界' |
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# /etc/mysql/mysql.conf.d/mysqld.cnfft_min_word_len = 2ngram_token_size = 2# 如果沒有則新增配置echo 'ft_min_word_len = 2ngram_token_size = 2' >> mysqld.cnf# 重啟服務(wù)/etc/init.d/mysql restart |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
-- 查看配置mysql> SHOW VARIABLES LIKE 'ft_min_word_len';SHOW VARIABLES LIKE 'ngram_token_size';+-----------------+-------+| Variable_name | Value |+-----------------+-------+| ft_min_word_len | 2 |+-----------------+-------+1 row in set (0.02 sec) +------------------+-------+| Variable_name | Value |+------------------+-------+| ngram_token_size | 2 |+------------------+-------+1 row in set (0.03 sec) |
2. 數(shù)據(jù)準(zhǔn)備
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
|
-- mysql 于全文檢索的demomysql> CREATE TABLE `articles` ( `id` int(10) unsigned NOT NULL AUTO_INCREMENT, `title` varchar(50) DEFAULT NULL COMMENT '主題', `content` longtext NOT NULL COMMENT '內(nèi)容', PRIMARY KEY (`id`), FULLTEXT KEY `title_content_index` (`content`,`title`) /*!50100 WITH PARSER `ngram` */ ) ENGINE=InnoDB AUTO_INCREMENT=7 DEFAULT CHARSET=utf8;Query OK, 0 rows affected (0.20 sec) mysql> INSERT INTO articles (`title`, `content`) VALUES ('如果','今生今世 永不再將你想起 除了除了在有些個(gè)因落淚而濕潤(rùn)的夜里 如果如果你愿意'), ('愛情','有一天路標(biāo)遷了希望你能從容有一天橋墩斷了希望你能渡越有一天棟梁倒了希望你能堅(jiān)強(qiáng)有一天期待蔫了希望你能理解'), ('遠(yuǎn)和近','你 一會(huì)看我一會(huì)看云我覺得你看我時(shí)很遠(yuǎn)你看云時(shí)很近'), ('斷章','你站在橋上看風(fēng)景，看風(fēng)景人在樓上看你。明月裝飾了你的窗子，你裝飾了別人的夢(mèng)。'), ('獨(dú)語(yǔ)','我向你傾吐思念你如石像沉默不應(yīng)如果沉默是你的悲抑你知道這悲抑最傷我心');Query OK, 5 rows affected (0.08 sec)Records: 5 Duplicates: 0 Warnings: 0 mysql> SELECT * from articles where match(content, title) against('風(fēng)景' in NATURAL LANGUAGE MODE) LIMIT 10;+----+--------+--------------------------------------------------------------------------------------------------------------------------+| id | title | content |+----+--------+--------------------------------------------------------------------------------------------------------------------------+| 10 | 斷章 | 你站在橋上看風(fēng)景，看風(fēng)景人在樓上看你。明月裝飾了你的窗子，你裝飾了別人的夢(mèng)。 |+----+--------+--------------------------------------------------------------------------------------------------------------------------+1 row in set (0.02 sec) |
3. 開始表演
- 自然語(yǔ)言模式(NATURAL LANGUAGE MODE)
自然語(yǔ)言模式是MySQL 默認(rèn)的全文檢索模式。自然語(yǔ)言模式不能使用操作符，不能指定關(guān)鍵詞必須出現(xiàn)或者必須不能出現(xiàn)等復(fù)雜查詢。
- 布隆模式(BOOLEAN MODE)
BOOLEAN模式可以使用操作符，可以支持指定關(guān)鍵詞必須出現(xiàn)或者必須不能出現(xiàn)或者關(guān)鍵詞的權(quán)重高還是低等復(fù)雜查詢。
- 查詢擴(kuò)展(QUERY EXPANSION)
查詢的結(jié)果不僅匹配出結(jié)果同時(shí)可以聯(lián)想出其他你需要的結(jié)果。（類似關(guān)聯(lián)查詢，但是官網(wǎng)推薦僅支持短語(yǔ)查詢 否則會(huì)出現(xiàn)很多臟數(shù)據(jù)）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
-- 自然語(yǔ)言模式（NATURAL LANGUAGE MODE）查詢并得到評(píng)分mysql> SELECT id, title, MATCH ( content, title ) against ( '風(fēng)景' IN NATURAL LANGUAGE MODE ) AS score FROM articles;+----+-----------+--------------------+| id | title | score |+----+-----------+--------------------+| 7 | 如果 | 0 || 8 | 愛情 | 0 || 9 | 遠(yuǎn)和近 | 0 || 10 | 斷章 | 0.9771181344985962 || 11 | 獨(dú)語(yǔ) | 0 |+----+-----------+--------------------+5 rows in set (0.02 sec)-- 布隆模式(BOOLEAN MODE) 可以組合查詢mysql> SELECT id, title FROM articles where MATCH ( content, title ) against ( '+風(fēng)景 -愛情' IN BOOLEAN MODE );+----+--------+| id | title |+----+--------+| 10 | 斷章 |+----+--------+1 row in set (0.01 sec)-- 查詢擴(kuò)展(QUERY EXPANSION) 可以聯(lián)想出其他結(jié)果 mysql> SELECT id, title FROM articles where MATCH ( content, title ) against ( '風(fēng)景' WITH QUERY EXPANSION );+----+--------+| id | title |+----+--------+| 10 | 斷章 || 11 | 獨(dú)語(yǔ) |+----+--------+2 rows in set (0.02 sec) |
4. 分詞引擎
目前官網(wǎng) MeCab Full-Text Parser 有支持日語(yǔ)的分詞插件（可以更好的理解語(yǔ)義）
內(nèi)置的 full-text parser 因?yàn)橛⑽闹袉卧~的邊界默認(rèn)是空格，所以在處理英文文本時(shí)可以簡(jiǎn)單的使用空格作為分隔符。但是在處理中文時(shí)需要理解語(yǔ)義的基礎(chǔ)上進(jìn)行有效的分詞，所以在處理中文、日文、韓文MySQL 提供了 ngram full-text （本文的配置就是 基于ngram的中文分詞）
總結(jié)
優(yōu)點(diǎn)
- 對(duì)比 like 查詢效率有提升（具體提升的測(cè)試沒有做）
- 全文搜索可以同時(shí)對(duì)多個(gè)字段做索引，like只能對(duì)單一字段搜索
對(duì)于中文的分詞可能需要在理解語(yǔ)義的基礎(chǔ)上才能有效的分詞；比如上文中的 你好世界（hello world）對(duì)于英文按空格切分就可以，中文則需要理解語(yǔ)義的基礎(chǔ)才能分成 你好/世界。
這里分享一下python中jieba分詞，有助于理解中文分詞的魅力
結(jié)巴分詞利用一個(gè)中文詞庫(kù)，通過(guò)詞庫(kù)計(jì)算漢字之間構(gòu)成詞語(yǔ)的關(guān)聯(lián)概率，所以通過(guò)計(jì)算漢字之間的概率，就可以形成分詞的結(jié)果。
|
1
2
3
4
5
6
7
8
9
10
11
|
In [1]: import jiebaIn [2]: jieba.lcut("你好世界")Building prefix dict from the default dictionary ...Dumping model to file cache /var/folders/st/b16fyn3s57x_5vszjl599njw0000gn/T/jieba.cacheLoading model cost 0.937 seconds.Prefix dict has been built successfully.Out[2]: ['你好', '世界']In [3]: jieba.lcut("hello world")Out[3]: ['hello', ' ', 'world'] |
對(duì)于一般的項(xiàng)目mysql的全文索引可以解決80%的需求，它可以較為完美的支持中文的檢索、自動(dòng)分詞、結(jié)果排序、組合查詢等功能；但性能應(yīng)該是瓶頸，Elastissearch可以友好的實(shí)現(xiàn)全文檢索。
全文索引不能達(dá)到like的效果，連著的語(yǔ)句會(huì)因?yàn)榉衷~形成多個(gè)詞語(yǔ)。
參考資料
以上就是MySQL 全文檢索的使用示例的詳細(xì)內(nèi)容，更多關(guān)于MySQL 全文檢索的使用的資料請(qǐng)關(guān)注服務(wù)器之家其它相關(guān)文章！
原文鏈接：https://juejin.cn/post/6969887148036063239#heading-5
