mysql查找文本文件_MySQL必知必会—文本搜索篇

下面用到的数据库文件可在 mysql_scripts 找到。

全文本搜索

并非所有引擎都支持全文本搜索，例如 MyISAM 支持全文本搜索，InnoDB 不支持。

在创建表时启用全文本搜索， CREATE TABLE 语句接受 FULLTEXT 子句，它可以对后面的一个或多个表建立索引，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。FULLTEXT 也可以在表创建之后再指定。

### 看一下 productnotes 表的创建描述

CREATE TABLE `productnotes` (

`note_id` int(11) NOT NULL AUTO_INCREMENT,

`prod_id` char(10) NOT NULL,

`note_date` datetime NOT NULL,

`note_text` text,

PRIMARY KEY (`note_id`),

FULLTEXT KEY `note_text` (`note_text`)

) ENGINE=MyISAM AUTO_INCREMENT=115 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci

创建索引后就可以用 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。

### 搜索出 node_text 中包含 rabbit 的。

### 先用 LIKE 实现

SELECT note_text FROM productnotes WHERE note_text LIKE '%rabbit%';

+-----------------------------------------------+

| Quantity varies, …… for use as rabbit bait. |

| Customer complaint: rabbit has …… |

+-----------------------------------------------+

### 使用文本搜索实现，可以看到 rabbit 排在第三个词的文本比排在第20个词的文本排序高。

SELECT note_text FROM productnotes WHERE Match(note_text) Against('rabbit');

+-----------------------------------------------+

| Customer complaint: rabbit has …… |

| Quantity varies, …… for use as rabbit bait. |

+-----------------------------------------------+

### 可以使用下面的语句查看排序的等级

SELECT note_text, Match(note_text) Against('rabbit') AS rank1 FROM productnotes;

### 除了查出来的两个有数据，其他的等级都是0

| Customer complaint: rabbit has …… | 的等级是 1.6408053636550903

| Quantity varies, …… for use as rabbit bait. | 的等级是 1.5905543565750122

### 使用查询扩展 WITH QUERY EXPANSION ，找出所有提到 anvils 的注释，还要找出与当前搜索有关的所有其他行，即使它们不包含 anvils

SELECT note_text FROM productnotes WHERE Match(note_text) Against('anvils' WITH QUERY EXPANSION);

### 会返回7行，但是只有第一行有 anvils ,第二行虽然与 anvils 无关，但因为它包含了第一行的两个词，所以也被检索出来。

注意

传递给 Match() 的值必须与 FULLTEXT() 定义中的相同。如果指定多个列，必须列出他们，而且次序正确。

经过比较可以发现，文本搜索是默认带有排序的，LIKE 搜索出来的结果是随意的，按照查询的先后输出。

文本搜索的等级根据行中词的数目，唯一词的数目，整个索引中词的总数，以及包含该词的行的书目计算出来。

在索引全文本数据时，短词被忽略且从索引中排除。短词的定义时那些具有3个或3个一下字符的词(如果需要，这个数目可以改)

许多词出现的频率很高，搜索他们没用，MySQL 规定了一条 50% 规则，如果一个词出现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

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

布尔文本查询

IN BOOLEAN MODE，即使没有 FULLTEXT 索引，也可以使用

### 匹配包含 heavy 但不包含任意以 rope 开始的词的行

SELECT note_text FROM productnotes WHERE Match(note_text) Against('heavy -rope*' IN BOOLEAN MODE);

### 匹配词 safe 和 combination, 降低后者的等级。

SELECT note_text FROM productnotes WHERE Match(note_text) Against('+safe +(

全文本布尔操作符

布尔操作符

说 明

+

包含，词必须存在

-

排除，词必须不出现

>

包含，而且增加等级值

<

包含，且减少等级值

()

把词组成子表达式(允许这些子表达式作为一个组被包含、排除、 排列等)

~

取消一个词的排序值

*

词尾的通配符

""

定义一个短语(与单个词的列表不一样，它匹配整个短语以便包含或排除这个短语)

一个持续更新的github笔记，链接地址：Front-End-Basics，可以watch,也可以star。