实现一个简单的mysql带权重的中文全文搜索

最新推荐文章于 2022-10-19 11:15:07 发布

weixin_34191734

最新推荐文章于 2022-10-19 11:15:07 发布

阅读量802

点赞数

文章标签：数据库 php python

原文链接：https://my.oschina.net/feanlau/blog/900232

版权

2019独角兽企业重金招聘Python工程师标准>>>

自己在写一个web,希望对数据库做全文检索。但是google了解到，由于中文分词的缘故，mysql只支持英文的全文搜索，想支持中文的，需要各种插件or实现一些比较复杂的机制，而买的虚拟主机并不支持这些复杂的东西。仔细想了下，因为自己需求的功能也比较简单，主要是2个字段的搜索，且数据量不大，即便增加几个字段，需要多运行几个select也不会对速度有太大影响，所以通过一些work around实现了需求。

Step 1:用locate进行简单的搜索

Locate可以判断子串是否在子乱
有两个column,一个name,一个description.
所以可以用LOCATE>0去判断是否关键字在其中出现了。
其实就是
SELECT * FROM table WHERE LOCATE(key, 'name')>0 OR LOCATE(key, 'description);
这样，我们就简单实现了对某个key在两个域的搜索

Step 2:搜索多个关键字

通常，搜索都是有多个关键字，所以我们需要对每个关键字，执行下Step1的查询。（当然，也可以合成一个，这里偷懒每次只查询1个关键字）
然后，我们再将每次查询出的数组都合并，这样就得到了一个最终的集合。

function selectlocate($tarcols,$skey){
    $where ="";
    $connector = " ";
    global $count;
    foreach($tarcols as $tarcol ){
        $where .= $connector;
        $where .= "LOCATE('$skey', $tarcol) != 0 ";
        if($connector == " "){
            $connector = " OR ";
        }
    }

    $sql = "SELECT * FROM pets_table WHERE $where";
    $result = mysql_query($sql);
    $ret = Array();
    while($item = mysql_fetch_array($result, MYSQL_ASSOC)){
        $count ++;
        $ret[] = $item;
    }
    return $ret;
}

Step 3：匹配的权重

上面Step2的结果，其实是无序的。通常，如果我们搜索一个字段：
1.如果这个字段和关键字完全相同，那么一般来讲，可能这个结果应该是相关度最高的
2.如果他只是其其中出现了一次，相关度就最低。
3.如果他出现的次数比在其他row中出现的次数高，那么他的相关度就比2中的结果高
所以，搜索的时候依据这个顺序考虑权重，
a.如果完全相等，权重为1000
b.如果出现1次，权重为10，出现n次
c.权重为n*10
每次搜索出来的结果附加上权重----》然后合并相同项----》并把权重累加
最后按权重排序，即可得到一个有排序的搜索结果。

以下是两种1关键字对应1个字段（上面的代码是1关键字多个字段）查询的代码（不包含合并两个数组的代码,相关的代码在Step4中），只需遍历每个关键字和字段，就能完成搜索。

$count = 0;
function selectequal($col,$skey){
    $connector = " ";
    global $count;
    $sql = "SELECT * FROM pets_table WHERE LOWER($col)=LOWER('$skey')";
    $result = mysql_query($sql);
    $ret = Array();
    while($item = mysql_fetch_array($result, MYSQL_ASSOC)){
        $count ++;
        $item["weight"] = 1000;
        $ret[] = $item;
    }
    return $ret;
}
function selectlocate($col,$skey){
    global $count;
    $sql = "SELECT *,(LENGTH(description) - LENGTH(REPLACE(description, '$skey', '')))/LENGTH('$skey') *10 as weight FROM pets_table WHERE LOCATE(LOWER('$skey'),LOWER($col))>0";
    $result = mysql_query($sql);
    $ret = Array();
    while($item = mysql_fetch_array($result, MYSQL_ASSOC)){
        $count ++;
        $ret[] = $item;
    }
    return $ret;
}

Step 4: 字段的权重

在我的需求中，显然name这个字段比description更重要，所以在匹配时，对name字段的结果应该有所倾斜，所以，又可以增加一个对字段的权重系数。

1.如果是在name域的匹配，设系数为10；
2.如果是在description匹配，设系数为1；

将Step 3每次计算得出的权重，再乘上这个系数，就可以得到一个新的，更有效的权重值。
最后按权重排序，即可得到一个最有相关度排序的搜索结果

其他的细节：
如果一个关键字已经满足了equal条件，那么再使用locate条件的时候会依然返回一个结果，所以在使用locate条件的时候，过滤掉equal的情况。

<?php
$count = 0;
function selectequal($col,$val,$skey){
    $connector = " ";
    global $count;
    $sql = "SELECT * FROM pets_table WHERE LOWER($col)=LOWER('$skey')";
    $result = mysql_query($sql);
    $ret = Array();
    while($item = mysql_fetch_array($result, MYSQL_ASSOC)){
        $count ++;
        $item["weight"] = 1000*$val;
        $ret[] = $item;
    }
    return $ret;
}
function selectlocate($col,$val,$skey){
    global $count;
    $sql = "SELECT *,(LENGTH(description) - LENGTH(REPLACE(description, '$skey', '')))/LENGTH('$skey') *10*$val as weight FROM pets_table WHERE LOCATE(LOWER('$skey'),LOWER($col))>0 AND LOWER($col)!=LOWER('$skey')";
    $result = mysql_query($sql);
    $ret = Array();
    while($item = mysql_fetch_array($result, MYSQL_ASSOC)){
        $count ++;
        $ret[] = $item;
    }
    return $ret;
}
function cleanarr($arr){
    global $count;
    $tmp = Array();
    $tmpall = Array();
    foreach($arr as $item){
        if(array_key_exists($item['uid'], $tmp)){
            $tmp[$item['uid']]+=$item["weight"];
        }
        else{
            $tmp[$item['uid']] = $item["weight"];
            $tmpall[$item['uid']] = $item;
        }
    }

    //sort by weight in descending order 
    arsort($tmp);

    $ret = Array();

    //rebuild the return arary 
    $count = 0;
    foreach($tmp as $k=>$v){
        $count++;
        $tmpall[$k]['weight']=$v;
        $ret[]=$tmpall[$k];
    }
    return $ret;
}

require_once("consvr.php");

$colshash = array("name"=>10,"description"=>1);
$ret = Array();
$keywords=explode(" ", $keywords);
$cols = array_keys($colshash);
foreach($keywords as $keyword){
    foreach($colshash as $col=>$val){
        $ret = array_merge($ret,selectequal($col,$val, $keyword));
        $ret = array_merge($ret,selectlocate($col,$val, $keyword));
    }        
}
$ret = cleanarr($ret);
$ret = array('msg' => "Success", 'count'=>$count,'children' => $ret, 'query'=>"COMPLEX:NOT READABLE");
echo json_encode($ret);
mysql_close();

?>

转载于:https://my.oschina.net/feanlau/blog/900232