欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  数据库

中文模糊搜索_MySQL

程序员文章站 2022-03-24 22:55:29
...
什么是模糊搜索?为什么要使用模糊搜索?相信大家都知道这些,我就不讲了。今天只讲怎么使用模糊搜索。

一 LIKE。大名鼎鼎的like字句,使用方便,兼容性好,易维护,但效率奇低。大家都会用,不多介绍。

二 MYSQL 原生支持的全文索引(FULLTEXT index)。

实现方式:首先给目标字段添加索引,索引的类型是FULLTEXT,然后查询的时候,在sql语句的where条件后面使用against()去指定关键字就好了。

而网上很多文章对这个理解却有很多误区,认为FULLTEXT不支持中文,或者Linux下全文索引不支持中文,然后说要把中文转为拼音就好了。事实上不是这样的,重点是在于分词,因为中文没有自然分词,不像英文每个单词都有空格隔开,而转为拼音之后,每个字对应的拼音之间也像单词一样空格隔开,所以才有了“FULLTEXT不支持中文,要把中文转为拼音”这一说法。

其实,转拼音也行、按照分词规则把一个个词组用空格隔开也好、甚至简单粗暴的每个字空格隔开都可以,然后把这些用空格隔开的文本存入都数据库的一个特定字段里面,也就是数据库里面要一份信息要存两个字段,一段原始文本/一段分词之后的文本。注意,FULLTEXT 索引要设置在分词之后的那个字段上面。

优点:与使用like字句相比,更加高效,且MYSQL 原生支持。

缺点:要额外维护一个字段,而且需要自行分词。使用复杂,有多复杂?请见下文(FULLTEXT全文索引的几个关键点)

三 使用第三方组件,(Coreseek)sphinx、迅搜……

实现方式:把数据中需要搜索的字段连同Id,一起导入到这些第三方组件中去,搜索的时候,调用这些第三方组件提供的api去搜索,得到返回的Id,再根据Id去数据库查询。

优点:比上面两种方案都要高效,且不需要自行分词。

缺点:需要额外维护这个第三方组件,并且每次更新数据库都要同时更新它。

而我选择了方案三,至于维护与同步,都交给了定时任务去做了。

-- FULLTEXT全文索引的几个关键点

1. 表的存储引擎需要是MyISAM,听说MYSQL5.6也支持全文索引了;

2. 字段类型:char、varchar和text;

3. MySQL全文索引查询关键词最小长度限制;

=> ft_min_word_len,默认是4,建议改为1,不然against()对应的关键字就只能是4个以上的字符,查不了单个字符,也查不了单个汉字.

=> my.ini配置文件中添加

[mysqld]

ft_min_word_len = 1

=> 设置 ft_min_word_len 之后,要重启MySQL服务,然后执行 SHOW VARIABLES 查看 ft_min_word_len设置成功没有;

=> 重新设置配置后,已经设置的索引需要重新设置生成索引,不然有可能报错,

我在update某些记录的时候就报错了: Incorrect key file for table './webm/temp.MYI';try to repair it.

后来, 我执行了 mysql> repair table 表名; 就好了;

5. match(索引名),match()的参数是索引名,不是字段名;

=> MATCH(title, content)里的参数必须和FULLTEXT(title, content)里的参数一模一样。

6. match(singername,songname),可以同时在多个索引名里面查找关键字;

7. 如果一个关键词在50%的数据出现,那么这个词会被当做无效词,可以使用against('关键字'IN BOOLEAN MODE)绕过无效设定;

8. 如果搜索多个词,请用空格或者逗号隔开,如下

=> SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST ('a x');

=> SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST ('a,x');

=> AGAINST('关键字1 关键字2'),使用逗号或空格隔开多个关键字,使用的是or规则.

9. 每次更新表都会重构索引,索引使用了全文索引会拖慢insert和update;

10. 搜索语法规则;

=> + 一定要有(不含有该关键词的数据条均被忽略)。

=> - 不可以有(排除指定关键词,含有该关键词的均被忽略)。

=> " " 用双引号将一段句子包起来表示要完全相符,不可拆字。

相关标签: 中文