MySQL 4.1.0 中文參考手冊 --- 6.8 MySQL 全文搜尋 (轉)[@more@] 4.1.0 中文參考手冊"> words" content="MySQL,4.1.0,Shuixin13,MySQL 4.1.0,中文,中文參考手冊,犬犬(心帆)"> CSS rel=STYLESHEET>

MySQL Reference Manual for version 4.1.0-alpha.

6.8 MySQL 全文搜尋

到 3.23.23 時，MySQL 開始支援全文和搜尋。全文索引在 MySQL 中是一個 FULLTEXT 型別索引。FULLTEXT 索引用於 MyISAM 表，可以在 CREATE TABLE 時或之後使用 ALTER TABLE 或 CREATE INDEX 在 CHAR、VARCHAR 或 TEXT 列上建立。對於大的，將資料裝載到一個沒有 FULLTEXT 索引的表中，然後再使用 ALTER TABLE (或 CREATE INDEX) 建立索引，這將是非常快的。將資料裝載到一個已經有 FULLTEXT 索引的表中，將是非常慢的。

全文搜尋透過 MATCH() 完成。

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 VALUES -> (NULL,'MySQL Tutorial', 'MS stands for DataBase ...'), -> (NULL,'How To Use MySQL Efficiently', 'After you went through a ...'), -> (NULL,'Optimising MySQL','In this tutorial we will show ...'), -> (NULL,'1001 MySQL Tricks','1. Never run mysqld as . 2. ...'), -> (NULL,'MySQL vs. YourSQL', 'In the following database comparison ...'), -> (NULL,'MySQL Security', 'When configured proy, MySQL ...'); Query OK, 6 rows affected (0.00 sec) Records: 6 Duplicates: 0 Warnings: 0 mysql> * 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)

函式 MATCH() 對照一個文字集(包含在一個 FULLTEXT 索引中的一個或多個列的列集)一個自然語言搜尋一個字串。搜尋字串做為 AGAINST() 的引數被給定。搜尋以忽略字母大小寫的方式執行。對於表中的每個記錄行，MATCH() 返回一個相關性值。即，在搜尋字串與記錄行在 MATCH() 列表中指定的列的文字之間的相似性尺度。

當 MATCH() 被使用在一個 WHERE 子句中時 (參看上面的例子)，返回的記錄行被自動地以相關性從高到底的次序排序。相關性值是非負的浮點數字。零相關性意味著不相似。相關性的計算是基於：詞在記錄行中的數目、在行中唯一詞的數目、在集中詞的全部數目和包含一個特殊詞的文件(記錄行)的數目。

它也可以執行一個邏輯的搜尋。這在下面的章節中被描述。

前面的例子是函式 MATCH() 使用上的一些基本說明。記錄行以相似性遞減的順序返回。

下一個示例顯示如何檢索一個明確的相似性值。如果即沒有 WHERE 也沒有 ORDER BY 子句，返回行是不排序的。

mysql> SELECT id,MATCH (title,body) AGAINST ('Tutorial') FROM articles; +----+-----------------------------------------+ | id | MATCH (title,body) AGAINST ('Tutorial') | +----+-----------------------------------------+ | 1 | 0.64840710366884 | | 2 | 0 | | 3 | 0.66266459031789 | | 4 | 0 | | 5 | 0 | | 6 | 0 | +----+-----------------------------------------+ 6 rows in set (0.00 sec)

下面的示例更復雜一點。查詢返回相似性並依然以相似度遞減的次序返回記錄行。為了完成這個結果，你應該指定 MATCH() 兩次。這不會引起附加的開銷，因為 MySQL 器會注意到兩次同樣的 MATCH() ，並只呼叫一次全文搜尋程式碼。

mysql> SELECT id, body, MATCH (title,body) AGAINST -> ('Security implications of running MySQL as root') AS re -> FROM articles WHERE MATCH (title,body) AGAINST -> ('Security implications of running MySQL as root'); +----+-------------------------------------+-----------------+ | id | body | score | +----+-------------------------------------+-----------------+ | 4 | 1. Never run mysqld as root. 2. ... | 1.5055546709332 | | 6 | When configured properly, MySQL ... | 1.31140957288 | +----+-------------------------------------+-----------------+ 2 rows in set (0.00 sec)

MySQL 使用一個非常簡單的剖析器來將文字分隔成詞。一個“詞”是由文字、資料、“'” 和 “_” 組成的任何字元序列。任何在 stopword 列表上出現的，或太短的(3 個字元或更少的)的 “word” 將被忽略。

在集和查詢中的每個合適的詞根據其在集與查詢中的重要性衡量。這樣，一個出現在多個文件中的詞將有較低的權重(可能甚至有一個零權重)，因為在這個特定的集中，它有較低的語義值。否則，如果詞是較少的，它將得到一個較高的權重。然後，詞的權重將被結合用於計算記錄行的相似性。

這樣一個技術工作可很好地工作與大的集(實際上，它會小心地與之諧調)。對於非常小的表，詞分類不足以充份地反應它們的語義值，有時這個模式可能產生奇怪的結果。

mysql> SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('MySQL'); Empty set (0.00 sec)

在上面的例子中，搜尋詞 MySQL 卻沒有得到任何結果，因為這個詞在超過一半的記錄行中出現。同樣的，它被有效地處理為一個 stopword (即，一個零語義值的詞)。這是最理想的行為 -- 一個自然語言的查詢不應該從一個 1GB 的表中返回每個次行(second row)。

匹配表中一半記錄行的詞很少可能找到相關文件。實際上，它可能會發現許多不相關的文件。我們都知道，當我們在網際網路上透過搜尋引擎試圖搜尋某些東西時，這會經常發生。因為這個原因，在這個特殊的資料集中，這樣的行被設定一個低的語義值。

到 4.0.1 時，MySQL 也可以使用 IN BOOLEAN MODE 修飾語來執行一個邏輯全文搜尋。

這個查詢返回所有包含詞 MySQL 的記錄行(注意： 50% 的閾值沒有使用)，但是它沒有包含詞 YourSQL。注意，一個邏輯模式的搜尋不會自動地以相似值的降序排序記錄行。你可以從上面的結果出看得出來，最高的相似值(包含 MySQL 兩次的那個) 最列在最後，而不是第一位。一個邏輯全文搜尋即使在沒有一個 FULLTEXT 索引的情況下也可以工作，然而它慢些。

邏輯全文搜尋支援下面的運算子：

+: 一個領頭的加號表示，該詞必須出現在每個返回的記錄行中。
-: 一個領頭的減號表示，該詞必須不出現在每個返回的記錄行中。
: 預設的 (當既沒有加號也沒有負號被指定時)詞是隨意的，但是包含它的記錄行將被排列地更高一點。這個模仿沒有 IN BOOLEAN MODE 修飾詞的 MATCH() ... AGAINST() 的行為。
< >: 這兩個運算子用於改變一個詞的相似性值的基值。< 運算子減少基值，> 運算子則增加它。參看下面的示例。
( ): 圓括號用於對子中的詞分組。
~: 一個領頭的否定號的作用象一個否定運算子，引起行相似性的詞的基值為負的。它對標記一個噪聲詞很有用。一個包含這樣的詞的記錄將被排列得低一點，但是不會被完全的排除，因為這樣可以使用 - 運算子。
*: 一個星號是截斷運算子。不想其它的運算子，它應該被追加到一個詞後，不加在前面。
": 短語，被包圍在雙引號"中，只匹配包含這個短語(字面上的，就好像被鍵入的)的記錄行。

這裡是一些示例：

apple banana: 找至少包含上面詞中的一個的記錄行
+apple +juice: ... 兩個詞均在被包含
+apple macintosh: ... 包含詞 “apple”，但是如果同時包含 “macintosh”，它的排列將更高一些
+apple -macintosh: ... 包含 “apple” 但不包含 “macintosh”
+apple +(>p: ... 包含 “apple” 和 “pie”，或者包含的是 “apple” 和 “strudel” (以任何次序)，但是 “apple pie” 排列得比 “apple strudel” 要高一點
apple*: ... 包含 “apple”，“apples”，“applesauce” 和 “applet”
"some words": ... 可以包含 “some words of wis”，但不是 “some noise words”

6.8.1 全文的限制

MATCH() 函式的所有引數必須是從來自於同一張表的列，同時必須是同一個FULLTEXT 索引中的一部分，除非 MATCH() 是 IN BOOLEAN MODE 的。
MATCH() 列列表必須確切地匹配表的某一 FULLTEXT 索引中定義的列列表，除非 MATCH() 是 IN BOOLEAN MODE 的。
AGAINST() 的引數必須是一個常量字串。

6.8.2 微調 MySQL 全文搜尋

不幸地，全文搜尋仍然只有很少的可調引數，雖然增加一些在 TODO 上排列很高。如果你有一個 MySQL 原始碼發行(檢視章節 ">2.3 一個 MySQL 原始碼發行)，你可以發揮對全文搜尋的更多控制。

注意，全文搜尋為最佳的搜尋效果，被仔細地調整了。修改預設值的行為，在大多數情況下，只會使搜尋結果更糟。不要修改 MySQL 的，除非你知道你在做什麼！

被索引的詞的最小長度由 MySQL 變數 ft_min_word_len 指定。檢視章節。將它改為你所希望的值，並重建你的 FULLTEXT 索引。 (這個變數只從 MySQL 4.0 開始被支援)
stopword 列表可以從 ft_stopword_file 變數指定的中讀取。檢視章節。在修改了 stopword 列表後，重建你的 FULLTEXT 索引。(這個變數只從 MySQL 4.0.10 開始被支援)
50% 閾值選擇由所選擇的特殊的衡量模式確定。為了禁止它，修改 `myisam/ftdefs.h' 檔案中下面的一行：
#define GWS_IN_USE GWS_PROB
改為：
#define GWS_IN_USE GWS_FREQ
然後重新編譯 MySQL。在這種情況下，不需要重建索引。 注意：使用了這個，將嚴重地減少 MySQL 為 MATCH() 提供足夠的相似性值的能力。如果你確實需要搜尋這樣的公共詞，最好使用 IN BOOLEAN MODE 的搜尋代替，它不遵守 50% 的閾值。
有時，搜尋引擎維護員希望更改使用於邏輯全文搜尋的運算子。這些由變數 ft_boolean_syntax 定義。檢視章節。然而，這個變數是隻讀的，它的值在 `myisam/ft_static.c' 中被設定。

對於這些更改，要求你重建你的 FULLTEXT 索引，對於一個 MyISAM 表，最容易的重建索引檔案的方式如下面的語句：

mysql> REPAIR TABLE tbl_name QUICK;

6.8.3 全文搜尋 TODO

使所有對 FULLTEXT 索引的操作更快
鄰近(Proximity)運算子
對 "always-index words" 的支援。他們可以是使用者希望視為一個詞處理的任意字串，例如 "C++"、"AS/400"、""，等等
支援在 MERGE 表中的全文搜尋
對多位元組字元的支援
依照資料的語言建立 stopword 列表
Stemming (當然，依賴於資料的語言)
Generic user-suppliable UDF preparser.
使模式更加靈活 (透過為 CREATE/ALTER TABLE 中的 FULLTEXT 增加某些可調整引數)

MySQL 4.1.0 中文參考手冊 --- 6.8 MySQL 全文搜尋 (轉)

MySQL Reference Manual for version 4.1.0-alpha.

6.8 MySQL 全文搜尋

6.8.1 全文的限制

6.8.2 微調 MySQL 全文搜尋

6.8.3 全文搜尋 TODO

相關文章