mysql全文本搜索

理解全文本搜索

并非所有引擎都支持全文本搜索：MySQL最常用的引擎MyISAM和InnoDB，前者支持全文本索引，后者不支持。

• LIKE关键字利用通配操作符匹配文本（和部分文本），能够查找包含特殊值或部分值的行
• 正则表达式，可以编写查找所需行的非常复杂的匹配模式

虽然以上搜索机制非常有用，但存在几个重要的限制。

• 性能——通配符和正则表达式匹配通常要求MySQL尝试匹配表中所有行（而且这些搜索极少使用表索引）。因此，由于被搜索行数不断增加，这些搜索可能非常耗时。
• 明确控制——使用通配符和正则表达式匹配，很难（而且并不总是能）明确地控制匹配什么和不匹配什么。例如，指定一个词必须匹配，一个词必须不匹配，而一个词仅在第一个词确实匹配的情况下，才可以匹配或者才可以不匹配。
• 智能化的结果——虽然基于通配符和正则表达式的搜索提供了非常灵活的搜索，但他们都不能提供一种智能化选择结果的方法。

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，在对表列进行适当设计后，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搜索。

启用全文本搜索支持

一般在创建表时启用全文本搜索。CREATE TABLE语句接受FULLTEXT子句，它给出一个被索引列的一个逗号分隔的列表

CREATE TABLE productnotes
(
	note_id int NOT NULL AUTO_INCREMENT,
    prod_id char(10) NOT NULL,
    note_date datetime NOT NULL,
    note_text text NULL,
    PRIMARY KEY(note_id),
    FULLTEXT(note_text)
) ENGINE=MyISAM;

这里FULLTEXT索引单个列，如果需要也可以指定多个列。

在定义之后，MySQL自动维护该索引。在增加、更新或删除行时，索引随之自动更新。

可以在创建表时指定FULLTEXT,或者在稍后指定（在这种情况下所有已有数据必须立即索引）

进行全文本搜索

在索引之后，使用两个函数Match()和Against()执行全文本搜索，其中Match()指定被搜索的列，Against()指定要使用的搜索表达式。

SELECT note_text FROM productnotes WHERE Match(note_text) Against('rabbit');

注意：

• 传递给Match()的值必须与FULLTEXT()定义中的相同。如果指定多个列，则必须列出它们（而且次序正确）。

• 除非使用BINARY方式，否则全文本搜索不区分大小写。

上述语句也可以用LIKE完成：

SELECT note_text FROM productnotes WHERE note_text LIKE '%rabbit%';

上述两条SELECT语句都不包含ORDER BY子句，后者（使用LIKE）以不特别有用的顺序返回。前者（使用全文本搜索）返回以文本匹配的良好程度排序的数据。两行都包含rabbit，但包含词rabbit作为第三个词的行的等级比作为第20个词的行高。

使用查询扩展

查询扩展用来设法放宽所返回的全文本搜索结果的范围。考虑下面的情况，想找出所有提到anvils的注释。只有一个注释包含词anvils，但你还想找出可能与你的搜索有关的所有其他行，即使它们不包含词anvils

在使用查询扩展时，MySQL对数据和索引进行两遍扫描来完成搜索

• 首先，进行一个基本的全文本搜索，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
• 再其次，MySQL再次进行全文本搜索，这次不仅使用原来的条件，而且还使用所有有用的词。

注意：只用于MySQL 4.1.1或更高的版本

例：

• 一个简单的全文本搜索

  SELECT note_text FROM productnotes WHERE Match(note_text) Against('anvils');

• 相同的搜索，这次使用查询扩展

  SELECT note_text FROM productnotes WHERE Match(note_text) Against ('anvils' WITH QUERY EXPANSION);

  

  查询扩展极大地增加了返回的行数，但这样做也增加了实际上并不想要的行的数目。

布尔文本搜索

MySQL支持全文本搜索的另外一种形势，成为布尔方式。以布尔方式，可以提供关于如下内容的细节：

• 要匹配的词；
• 要排斥的词
• 排列提示
• 表达式分组
• 另外一些内容

布尔方式即使没有定义FULLTEXT索引，也可以使用，但这是一种非常缓慢的操作（其性能将随数据量的增加而降低）

SELECT note_text FROM productnotes WHERE Match(note_text) Against('heavy' IN BOOLEAN MODE);

分析：此全文搜索检索包含词heavy的所有行（有两行）。其中使用了关键字IN BOOLEAN MODE，但实际上没有指定布尔操作符，因此，其结果与没有指定布尔方式的结果相同。

匹配包含heavy但不包含任意以rope开始的词的行

SELECT note_text FROM productnotes WHERE Match(note_text) Against('heavy -rope*' IN BOOLEAN MODE);

这次只返回一行。这一次仍然匹配词heavy，但-rope*明确地指示MySQL排除包含rope*(任何以rope开始的词，包括ropes)的行，这就是为什么上一个例子中的第一行被排除的原因。

附：如果使用的是MySQL 4.x则上面的例子可能不返回任何行。在MySQL 4.x使用这个例子，使用-ropes而不是-rope*(排除ropes而不是排除任何以rope开始的词)。

布尔操作符	说明
+	包含，词必须存在
-	排除，词必须不出现
>	包含，而且增加等级值
<	包含，且减少等级值
()	把词组成子表达式（允许这些子表达式作为一个组被包含、排除、排列等）
~	取消一个词的排序值
*	词尾的通配符
""	定义一个短语（与单词的列表不一样，它匹配整个短语以便包含或排除这个短语）

下面举例说明操作符如何使用

• SELECT note_text FROM productnotes WHERE Match(note_text) Against('+rabbit +bait' IN BOOLEAN MODE);

  搜索匹配包含词rabbit和bait的行

• SELECT note_text FROM productnotes WHERE Match(note_text) Against('rabbit bait' IN BOOLEAN MODE);

  没有指定操作符，这个搜索匹配包含rabbit和bait中至少一个词的行

• SELECT note_text FROM productnotes WHERE Match(note_text) Against('"rabbit bait"' IN BOOLEAN MODE);

  搜索匹配短语rabbit bait 而不是匹配两个词

• SELECT note_text FROM productnotes WHERE Match(note_text) Against('>rabbit <carrot' IN BOOLEAN MODE);

  匹配rabbit和carrot，增加前者的等级，降低后者的等级。

• SELECT note_text FROM productnotes WHERE Match(note_text) Against('+safe +(<combination)' IN BOOLEAN MODE);

  搜索匹配词safe和combination，降低后者的等级

全文本搜索的使用说明

• 在索引全文本数据时，短词被忽略且从索引中排除。短语定义为那些具有3个或3个一下字符的词（如果需要，这个数目可以更改）。
• MySQL带有一个内建的非用词（stopword）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
• 许多词出现的频率很高，搜索它们没有用处（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
• 如果表中的行数少于3行，则全文本搜索不返回结果（因为每个词或者不出现，或者至少出现在50%的行中）
• 忽略词中的单引号，例如，don't索引为dont
• 不具有词分隔符（包括日语和汉语）的语言不能恰当地返回全文本搜索结果
• 仅在MyISAM数据库引擎中支持全文本搜索。