MySQL从3.23.23开始就逐渐支持全文索引和搜寻。 全文索引就是建index,全文搜寻就是去查index。 LIKE是用Regular Expression去做查询。 MySQL全文索引是一种index type:FULLTEXT。 全文索引的index只能用在MyISAM表格的char、varchar和text的字段上。 全文索引的index可以在create table、alter table和create index时产生。 create table... CREATE TABLE article ( id INT AUTO_INCREMENT NOT NULL PRIMARY KEY, title VARCHAR(200), body TEXT, FULLTEXT(title, body) ) TYPE=MYISAM; alter table... create index... 要倒大量的数据到有全文索引index的table速度会很慢,建议先拿掉全文索引index再倒数据,倒完后再加上全文索引index。 全文搜寻的语法: MATCH (col1, col2,...) AGAINST (expr [search_modifier]) 三种搜寻方式: IN BOOLEAN MODE IN NATURAL LANGUAGE MODE IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION / WITH QUERY EXPANSION
IN NATURAL LANGUAGE MODE expr就是要搜寻的字符串。 没有特殊字符。 套用Stopwords。 剔除一半row以上都有的字,譬如说,每个row都有mysql这个字的话,那用mysql去查时,会找不到任何row,这在row的数量无敌多时很有用,因为把所有row都找出来是没有意义的,这时,mysql几乎被当作是stopword;但是当row只有两笔时,是啥鬼也查不出来的,因为每个字都出现50%以上,要避免这种状况,请用IN BOOLEAN MODE。 预设的搜寻方式。 SELECT * FROM article WHERE MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE); 预设搜寻是不分大小写,若要分大小写,columne的character set要从utf8改成utf8_bin。 预设MATCH...AGAINST是以相关性排序,由高到低。 MATCH...AGAINST可以跟所有MySQL语法搭配使用,像是JOIN或是加上其他过滤条件。 -- 第一种count SELECT COUNT(*) FROM article WHERE MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE); -- 第二种count SELECT COUNT(IF(MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE), 1, NULL)) AS count FROM article 当符合的笔数较多时,第一种count比较慢,因为MATCH...AGAINST会先依相关性排序。 当符合的笔数较少时,第二种count比较慢,因为第二种count会扫过所有数据。 MATCH(title, body)里的字段必须和FULLTEXT(title, body)里的字段一模一样,如果只要单查title或body一个字段,那得另外再建一个FULLTEXT(title)或FULLTEXT(body),也因为如此,MATCH()的字段一定不能跨table,但是另外两种搜寻方式好像可以。 SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score FROM article; 这样可以取得相关值,而且也因为没有WHERE和ORDER BY,所以不会排序。 SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score FROM article WHERE MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE); 排序又取得相关性,虽然MATCH...AGAINST用了两次,但是MySQL知道这两个MATCH...AGAINST是一样的,所以只会用一次。 SELECT id, MATCH(title, body) AGAINST ('xxx' IN NATURAL LANGUAGE MODE) as score FROM article ORDER BY score desc; 为啥不这样用就好? MySQL的FULLTEXT怎么断字: 字母、数字、底线的组合视为一个字,不会把底线断字。 会被断字的字符:空白、逗号(,)与点(.),但不用这些断字的语言,如中文,就得自行手动断字。 可以自行实做一个断字的外挂来取代内建的断字parser。 接受一个单引号,如aaa'bbb视为一个字,但是aaa''bbb就是两个字。 前缀或字尾的单引号会被去掉,如'aaa或aaa'。 全文搜寻时,stopword与少于四个字符的字符串会被忽略。 可以覆写内建的stopword清单。 可以修改最少四个字符的设定。
IN BOOLEAN MODE expr里有特殊字符辅助特殊的搜寻语法。 SELECT * FROM article WHERE MATCH(title, body) AGAINST ('+mysql -yoursql' IN BOOLEAN MODE); 一定要有msysql,且不要有yoursql。 IN BOOLEAN MODE的特色: 不剔除50%以上符合的row。 不自动以相关性反向排序。 可以对没有FULLTEXT index的字段进行搜寻,但会非常慢。 限制最长与最短的字符串。 套用Stopwords。 搜寻语法: +:一定要有。 -:不可以有,但这个「不可以有」指的是在符合的row里不可以有指定的字符串,所以不能只下「-yoursql」这样是查不到任何row的,必须搭配其他语法使用。 :(什么都没)预设用法,表示可有可无,有的话排比较前面,没有的排后面。 >:提高该字的相关性。 <:降低相关性。 ( ):条件可以巢状。 +aaa +(>bbb ~:将其相关性由正转负,表示拥有该字会降低相关性,但不像「-」将之排除,只是排在较后面。 *:万用字,不像其他语法放在前面,这个要接在字符串后面。 " ":用双引号将一段句子包起来表示要完全相符,不可拆字。
IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION 也可以用WITH QUERY EXPANSION。 IN NATURAL LANGUAGE MODE的衍生版。 先用IN NATURAL LANGUAGE MODE做搜寻,得到最相关的字段的字再加到原expr里,再查一次。 神奇功能之一:可以用database查出mysql或oracle,第一次查询用databae得到一些结果,从这些结果里抽取字符串,此时得到mysql与oracle的机率相当高,最后用database和这些出取出来的字符串做一次查询。 神奇功能之二:无法拼出正确字符串时,第一次用「相似」的错误字符串查询,很有可以得到正确的字符串,再用正确的字符串急可以得到想要的结果。 因为这种查询方式会让「噪声」爆增,所以建议第一次的查询字符串尽量精简。 Stopwords请参考http://dev.mysql.com/doc/refman/5.1/en/fulltext-stopwords.html。 全文搜寻的限制: 只能用在MyISAM表格上。 支援UTF-8。 中文支持问题: MySQL不会断中文字:MySQL内建的字依据是空白、逗号和点,对此内建机制的白痴解法是,存中文字时自行塞入空白断字,但是还是有下面的限制。 查询字符串最少四个字符的限制:所以一二三个中文字都不能查,必须将ft_min_word_len从预设的4改成1。 虽然同一个表格可以有不同字符集的字段,但是同一个FULLTEXT index里的字段必须是同一个字符集与collation。 MATCH里的字段必须和FULLTEXT里的一模一样,IN BOOLEAN MODE允许不一样,甚至使用未FULLTEXT index的字段,但速度很慢。 AGAINST里必须是字符串,不可以是变量或域名。 全文搜寻使index hint受限。 MySQL全文搜寻设定: 大部分的参数都是启动参数,也就是修改后必须重新启动MySQL。 有些参数修改必须重新产生索引文件。 mysql> SHOW VARIABLES LIKE 'ft%';