mysql5.7 全文索引不支持中文分詞怎么辦

本篇文章為大家展示了mysql5.7 全文索引不支持中文分詞怎么辦，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。

在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(kù)。
從MySQL 5.7.6開(kāi)始，MySQL內(nèi)置了ngram全文解析器，用來(lái)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(kù)引擎。

ngram全文解析器

ngram就是一段文字里面連續(xù)的n個(gè)字的序列。ngram全文解析器能夠?qū)ξ谋具M(jìn)行分詞，每個(gè)單詞是連續(xù)的n個(gè)字的序列。例如，用ngram全文解析器對(duì)“生日快樂(lè)”進(jìn)行分詞:

n=1: '生', '日', '快', '樂(lè)' 
n=2: '生日', '日快', '快樂(lè)' 
n=3: '生日快', '日快樂(lè)' 
n=4: '生日快樂(lè)'

MySQL 中使用全局變量ngram_token_size來(lái)配置ngram中n的大小，它的取值范圍是1到10，默認(rèn)值是2。通常ngram_token_size設(shè)置為要查詢的單詞的最小字?jǐn)?shù)。如果需要搜索單字，就要把ngram_token_size設(shè)置為1。在默認(rèn)值是2的情況下，搜索單字是得不到任何結(jié)果的。因?yàn)橹形膯卧~最少是兩個(gè)漢字，推薦使用默認(rèn)值2。

全局變量ngram_token_size的兩種設(shè)置方法：
1、啟動(dòng)mysqld命令時(shí)

mysqld --ngram_token_size=2

2、修改MySQL配置文件

[mysqld] 
ngram_token_size=2

創(chuàng)建全文索引

1、創(chuàng)建表的同時(shí)創(chuàng)建全文索引

CREATE TABLE articles (
    id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
    title VARCHAR (200),
    body TEXT,
    FULLTEXT (title, body) WITH PARSER ngram
) ENGINE = INNODB;

2、通過(guò) alter table 的方式來(lái)添加

ALTER TABLE articles ADD FULLTEXT INDEX ft_index (title,body) WITH PARSER ngram;

3、直接通過(guò)create index的方式

CREATE FULLTEXT INDEX ft_index ON articles (title,body) WITH PARSER ngram;

全文檢索模式

常用的全文檢索模式有兩種：
1、自然語(yǔ)言模式(NATURAL LANGUAGE MODE) ，
自然語(yǔ)言模式是MySQL 默認(rèn)的全文檢索模式。自然語(yǔ)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。
2、BOOLEAN模式(BOOLEAN MODE)
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。

示例

SELECT * FROM articles
WHERE MATCH (title,body)
AGAINST ('一路 一帶' IN NATURAL LANGUAGE MODE);

// 不指定模式，默認(rèn)使用自然語(yǔ)言模式
SELECT * FROM articles
WHERE MATCH (title,body)
AGAINST ('一路 一帶');

示例

上面的示例返回結(jié)果會(huì)自動(dòng)按照相關(guān)性排序，相關(guān)性高的在前面。相關(guān)性的值是一個(gè)非負(fù)浮點(diǎn)數(shù)，0表示無(wú)相關(guān)性。

// 獲取相關(guān)性的值
SELECT id,title,
MATCH (title,body) AGAINST ('手機(jī)' IN NATURAL LANGUAGE MODE) AS score
FROM articles
ORDER BY score DESC;

示例

// 獲取匹配結(jié)果記錄數(shù)
SELECT COUNT(*) FROM articles
WHERE MATCH (title,body)
AGAINST ('一路 一帶' IN NATURAL LANGUAGE MODE);

可以使用BOOLEAN模式執(zhí)行高級(jí)查詢。

// 必須包含"騰訊"
SELECT * FROM articles
WHERE MATCH (title,body)
AGAINST ('+騰訊' IN BOOLEAN MODE);

示例

// 必須包含"騰訊"，但是不能包含"通訊工具"
SELECT * FROM articles
WHERE MATCH (title,body)
AGAINST ('+騰訊 -通訊工具' IN BOOLEAN MODE);

示例

下面的例子演示了BOOLEAN模式下運(yùn)算符的使用方式：

'apple banana' 
無(wú)操作符，表示或，要么包含apple，要么包含banana

'+apple +juice'
必須同時(shí)包含兩個(gè)詞

'+apple macintosh'
必須包含apple，但是如果也包含macintosh的話，相關(guān)性會(huì)更高。

'+apple -macintosh'
必須包含apple，同時(shí)不能包含macintosh。

'+apple ~macintosh'
必須包含apple，但是如果也包含macintosh的話，相關(guān)性要比不包含macintosh的記錄低。

'+apple +(>juice <pie)'
查詢必須包含apple和juice或者apple和pie的記錄，但是apple juice的相關(guān)性要比apple pie高。

'apple*'
查詢包含以apple開(kāi)頭的單詞的記錄，如apple、apples、applet。

'"some words"'
使用雙引號(hào)把要搜素的詞括起來(lái)，效果類(lèi)似于like '%some words%'，
例如“some words of wisdom”會(huì)被匹配到，而“some noise words”就不會(huì)被匹配。

注意

• 只能在類(lèi)型為CHAR、VARCHAR或者TEXT的字段上創(chuàng)建全文索引。

• 全文索引只支持InnoDB和MyISAM引擎。

• MATCH (columnName) AGAINST ('keywords')。MATCH()函數(shù)使用的字段名，必須要與創(chuàng)建全文索引時(shí)指定的字段名一致。如上面的示例，MATCH (title,body)使用的字段名與全文索引ft_articles(title,body)定義的字段名一致。如果要對(duì)title或者body字段分別進(jìn)行查詢，就需要在title和body字段上分別創(chuàng)建新的全文索引。

• MATCH()函數(shù)使用的字段名只能是同一個(gè)表的字段，因?yàn)槿乃饕荒軌蚩缍鄠€(gè)表進(jìn)行檢索。

• 如果要導(dǎo)入大數(shù)據(jù)集，使用先導(dǎo)入數(shù)據(jù)再在表上創(chuàng)建全文索引的方式要比先在表上創(chuàng)建全文索引再導(dǎo)入數(shù)據(jù)的方式快很多，所以全文索引是很影響TPS的。

上述內(nèi)容就是mysql5.7 全文索引不支持中文分詞怎么辦，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注億速云行業(yè)資訊頻道。