利用MySQL內(nèi)置函數(shù)實現(xiàn)全文搜索功能
MATCH (col1,col2,...) AGAINST (expr [IN BOOLEAN MODE | WITH QUERY EXPANSION])
MySQL支持全文索引和搜索功能。MySQL中的全文索引類型FULLTEXT的索引。 FULLTEXT 索引僅可用于 MyISAM 表；他們可以從CHAR、VARCHAR或TEXT列中作為CREATE TABLE語句的一部分被創(chuàng)建，或是隨后使用ALTER TABLE 或 CREATE INDEX被添加。對于較大的數(shù)據(jù)集，將你的資料輸入一個沒有FULLTEXT索引的表中，然后創(chuàng)建索引，其速度比把資料輸入現(xiàn)有FULLTEXT索引的速度更為快。
全文搜索同MATCH()函數(shù)一起執(zhí)行。
mysql> CREATE TABLE articles (
-> id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
-> title VARCHAR(200),
-> body TEXT,
-> FULLTEXT (title,body)
-> );
Query OK, 0 rows affected (0.00 sec)
mysql> INSERT INTO articles (title,body) VALUES
-> ('MySQL Tutorial','DBMS stands for DataBase ...'),
-> ('How To Use MySQL Well','After you went through a ...'),
-> ('Optimizing MySQL','In this tutorial we will show ...'),
-> ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
-> ('MySQL vs. YourSQL','In the following database comparison ...'),
-> ('MySQL Security','When configured properly, MySQL ...');
Query OK, 6 rows affected (0.00 sec)
Records: 6 Duplicates: 0 Warnings: 0
mysql> SELECT * FROM articles
-> WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title | body |
+----+-------------------+------------------------------------------+
| 5 | MySQL vs. YourSQL | In the following database comparison ... |
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)
|
MATCH()函數(shù)對于一個字符串執(zhí)行資料庫內(nèi)的自然語言搜索。一個資料庫就是1套1個或2個包含在FULLTEXT內(nèi)的列。搜索字符串作為對AGAINST()的參數(shù)而被給定。對于表中的每一行, MATCH() 返回一個相關(guān)值，即, 搜索字符串和 MATCH()表中指定列中該行文字之間的一個相似性度量。
在默認狀態(tài)下, 搜索的執(zhí)行方式為不區(qū)分大小寫方式。然而,你可以通過對編入索引的列使用二進制排序方式執(zhí)行區(qū)分大小寫的全文搜索。 例如，可以向一個使用latin1字符集的列給定latin1_bin 的排序方式，對于全文搜索區(qū)分大小寫。
如上述所舉例子，當MATCH()被用在一個 WHERE 語句中時，相關(guān)值是非負浮點數(shù)。零相關(guān)的意思是沒有相似性。相關(guān)性的計算是基于該行中單詞的數(shù)目, 該行中獨特子的數(shù)目，資料庫中單詞的總數(shù)，以及包含特殊詞的文件(行)數(shù)目。
對于自然語言全文搜索，要求MATCH() 函數(shù)中命名的列和你的表中一些FULLTEXT索引中包含的列相同。對于前述問訊， 注意，MATCH()函數(shù)(題目及全文)中所命名的列和文章表的FULLTEXT索引中的列相同。若要分別搜索題目和全文，應(yīng)該對每個列創(chuàng)建FULLTEXT索引。
或者也可以運行布爾搜索或使用查詢擴展進行搜索。
上面的例子基本上展示了怎樣使用返回行的相關(guān)性順序漸弱的MATCH()函數(shù)。而下面的例子則展示了怎樣明確地檢索相關(guān)值。返回行的順序是不定的，原因是 SELECT 語句不包含 WHERE或ORDER BY 子句：
mysql> SELECT id, MATCH (title,body) AGAINST ('Tutorial') |
下面的例子則更加復雜。詢問返回相關(guān)值，同時對行按照相關(guān)性漸弱的順序進行排序。為實現(xiàn)這個結(jié)果，你應(yīng)該兩次指定 MATCH()： 一次在 SELECT 列表中而另一次在 WHERE子句中。這不會引起額外的內(nèi)務(wù)操作，原因是MySQL 優(yōu)化程序注意到兩個MATCH()調(diào)用是相同的，從而只會激活一次全文搜索代碼。
mysql> SELECT id, body, MATCH (title,body) AGAINST |
表中有2行(0.00 秒)
MySQL FULLTEXT 執(zhí)行將任何單字字符原形 (字母、數(shù)字和下劃線部分)的序列視為一個單詞。這個序列或許也包含單引號 ('),但在一行中不會超過一個。 這意味著 aaa'bbb 會被視為一個單詞，而 aaa''bbb則被視為2個單詞。位于單詞之前或其后的單引號會被FULLTEXT分析程序去掉； 'aaa'bbb' 會變成 aaa'bbb。
FULLTEXT分析程序會通過尋找某些分隔符來確定單詞的起始位置和結(jié)束位置，例如' ' (間隔符號)、 , (逗號)以及 . (句號 )。假如單詞沒有被分隔符分開，(例如在中文里 ), 則 FULLTEXT 分析程序不能確定一個詞的起始位置和結(jié)束位置。為了能夠在這樣的語言中向FULLTEXT 索引添加單詞或其它編入索引的術(shù)語，你必須對它們進行預(yù)處理，使其被一些諸如"之類的任意分隔符分隔開。
一些詞在全文搜索中會被忽略：
◆ 任何過于短的詞都會被忽略。 全文搜索所能找到的詞的默認最小長度為 4個字符。
◆ 停止字中的詞會被忽略。禁用詞就是一個像“the” 或“some” 這樣過于平常而被認為是不具語義的詞。存在一個內(nèi)置的停止字， 但它可以通過用戶自定義列表被改寫。
詞庫和詢問中每一個正確的單詞根據(jù)其在詞庫和詢問中的重要性而被衡量。 通過這種方式，一個出現(xiàn)在許多文件中的單詞具有較低的重要性(而且甚至很多單詞的重要性為零),原因是在這個特別詞庫中其語義價值較低。反之，假如這個單詞比較少見，那么它會得到一個較高的重要性。然后單詞的重要性被組合，從而用來計算該行的相關(guān)性。
這項技術(shù)最適合同大型詞庫一起使用 (事實上, 此時它經(jīng)過仔細的調(diào)整 )。對于很小的表，單詞分布并不能充分反映它們的語義價值， 而這個模式有時可能會產(chǎn)生奇特的結(jié)果。例如, 雖然單詞 “MySQL” 出現(xiàn)在文章表中的每一行，但對這個詞的搜索可能得不到任何結(jié)果：
mysql> SELECT * FROM articles |
找不到搜索的詞(0.00 秒)
這個搜索的結(jié)果為空，原因是單詞 “MySQL” 出現(xiàn)在至少全文的50%的行中。 因此, 它被列入停止字。對于大型數(shù)據(jù)集，使用這個操作最合適不過了----一個自然語言問詢不會從一個1GB 的表每隔一行返回一次。對于小型數(shù)據(jù)集，它的用處可能比較小。
一個符合表中所有行的內(nèi)容的一半的單詞查找相關(guān)文檔的可能性較小。事實上, 它更容易找到很多不相關(guān)的內(nèi)容。我們都知道，當我們在因特網(wǎng)上試圖使用搜索引擎尋找資料的時候，這種情況發(fā)生的頻率頗高。可以推論，包含該單詞的行因其所在特別數(shù)據(jù)集 而被賦予較低的語義價值。 一個給定的詞有可能在一個數(shù)據(jù)集中擁有超過其50%的域值，而在另一個數(shù)據(jù)集卻不然。
當你***次嘗試使用全文搜索以了解其工作過程時，這個50% 的域值提供重要的蘊涵操作：若你創(chuàng)建了一個表，并且只將文章的1、2行插入其中， 而文中的每個單詞在所有行中出現(xiàn)的機率至少為 50% 。那么結(jié)果是你什么也不會搜索到。一定要插入至少3行，并且多多益善。需要繞過該50% 限制的用戶可使用布爾搜索代碼。
【編輯推薦】
