目錄
- 1. 環(huán)境準(zhǔn)備
- 2. 數(shù)據(jù)準(zhǔn)備
- 3. 開始表演
- 4. 分詞引擎
- 總結(jié)
- 參考資料
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。 MySQL 5.7.6開始，MySQL內(nèi)置了ngram全文解析器，用來支持中文、日文、韓文分詞。 本文使用的MySQL 版本是5.7.22，InnoDB數(shù)據(jù)庫引擎。
所以這里需要MySQL的版本大于5.7.6
-- 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長度 （如果已經(jīng)配置可以忽略）
ft_min_word_len 最小字符長度默認(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 分詞的最小長度 舉個(gè)例子 不同長度對(duì) 你好世界 的分詞
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'
# /etc/mysql/mysql.conf.d/mysqld.cnf
ft_min_word_len = 2
ngram_token_size = 2
# 如果沒有則新增配置
echo 'ft_min_word_len = 2
ngram_token_size = 2' >> mysqld.cnf
# 重啟服務(wù)
/etc/init.d/mysql restart
-- 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
-- mysql 于全文檢索的demo
mysql> 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','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
- 自然語言模式(NATURAL LANGUAGE MODE)
自然語言模式是MySQL 默認(rèn)的全文檢索模式。自然語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。
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)推薦僅支持短語查詢 否則會(huì)出現(xiàn)很多臟數(shù)據(jù)）
-- 自然語言模式（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 | 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 |
+----+--------+
2 rows in set (0.02 sec)
4. 分詞引擎
目前官網(wǎng) MeCab Full-Text Parser 有支持日語的分詞插件（可以更好的理解語義）
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，通過詞庫計(jì)算漢字之間構(gòu)成詞語的關(guān)聯(lián)概率，所以通過計(jì)算漢字之間的概率，就可以形成分詞的結(jié)果。
In [1]: import jieba
In [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.cache
Loading 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，連著的語句會(huì)因?yàn)榉衷~形成多個(gè)詞語。
參考資料
Mysql fulltext
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)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- Mysql實(shí)現(xiàn)全文檢索、關(guān)鍵詞跑分的方法實(shí)例
- PHP+MySQL+sphinx+scws實(shí)現(xiàn)全文檢索功能詳解
- mysql 全文檢索中文解決方法及實(shí)例代碼
- 深度解析MySQL 5.7之中文全文檢索
