day8 -- 全文本搜索

brief

InnoDB存储引擎从MySQL 5.6开始支持全文本搜索。具体来说，MySQL使用InnoDB存储引擎的全文本搜索功能称为InnoDB全文本搜索（InnoDB Full-Text Search）。InnoDB全文本搜索支持标准的全文本搜索查询语法和多语言分词器，因此可以处理包括汉字在内的多种字符集。

---

LIKE关键字，它利用通配操作符匹配文本能够查找包含特殊值或部分值的行（不管这些值位于列
内什么位置）。

使用正则表达式，可以编写查找所需行的非常复杂的匹配模式。

但是他们有限制：

• 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。

---

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。
在索引之后， SELECT可与Match()和Against()一起使用以实际执行搜索。

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=InnoDB;

这些列中有一个名为note_text的列，为了进行全文本搜索，MySQL根据子句FULLTEXT(note_text)的指示对它进行索引。
这里的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。

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');# 可以试试这句口令
select note_text, match(note_text) against('rabbit') AS rank;

Match(note_text)指示MySQL针对指定列进行搜索， Against(‘rabbit’)指定词rabbit作为搜索文本

---

---

使用查询扩展

比如，你想找出所有提到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。

这也是查询扩展的一项任务。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（我们将会简要地解释MySQL如何断定什么有用，什么无用）。
• 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。

select note_text from productnotes
where match(note_text) against('rabbit' with query expansion);

---

---

布尔文本搜索

即 使 没 有 定 义FULLTEXT索引，也可以使用它。但这是一种非常缓慢的操作（其性能将随着数据量的增加而降低）。

# 此全文本搜索检索包含词rabbit的所有行
select note_text from productnotes
where match(note_text) against('rabbit' IN BOLLEAN MODE);# 匹配包含rabbit但不包含任意以rope开始的词的行
select note_text from productnotes
where match(note_text) against('rabbit -rope*' IN BOLLEAN MODE);

全文本搜索注意事项

• 在索引全文本数据时，短词被忽略且从索引中排除。短词定义为那些具有3个或3个以下字符的词（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。