MySQL - 第十九章 | 全文本搜索(下)

使用查詢擴展

查詢擴展用來設法放寬所返回的全文本搜索結果的範圍。考慮下面的情況。你想找出所有提到anvils的注釋。只有一個注釋包含詞anvils，但你還想找出可能與你的搜索有關的所有其他行，即使它們不包含詞anvils。

這也是查詢擴展的一項任務。在使用查詢擴展時，MySQL對資料和索引進行兩遍掃描來完整搜索:

首先，進行一個基本的全文本搜索，找出與搜索條件匹配的所有行;
其次，MySQL檢查這些匹配行並選擇所有有用的詞(我們將會簡要地解釋MySQL如何斷定什麼有用，什麼無用)。
再其次，MySQL再次進行全文本搜索，這次不僅使用原來的條件，而且還使用所有有用的詞。

利用查詢擴展，能找出可能相關的結果，即使它們並不精確包含所查找的詞。

首先進行一個簡單的全文本搜索，沒有查詢擴展:

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('anvils');
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                                                                |
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
| Multiple customer returns, anvils failing to drop fast enough or falling backwards on purchaser. Recommend that customer considers using heavier anvils. |
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.06 sec)

分析：只有一行包含詞anvils，因此只返回一行。

下面是相同的搜索，這次使用查詢擴展:

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('anvils' WITH QUERY EXPANSION);
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                                                                |
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
| Multiple customer returns, anvils failing to drop fast enough or falling backwards on purchaser. Recommend that customer considers using heavier anvils. |
| Customer complaint:Sticks not individually wrapped, too easy to mistakenly detonate all at once.Recommend individual wrapping.                           |
| Customer complaint:Not heavy enough to generate flying stars around head of victim. If being purchased for dropping, recommend ANV02 or ANV03 instead.   |
| Please note that no returns will be accepted if safe opened using explosives.                                                                            |
| Customer complaint: rabbit has been able to detect trap, food apparently less effective now.                                                             |
| Customer complaint:Circular hole in safe floor can apparently be easily cut with handsaw.                                                                |
| Matches not included, recommend purchase of matches or detonator (item DTNTR).                                                                           |
+----------------------------------------------------------------------------------------------------------------------------------------------------------+
7 rows in set (0.01 sec)

分析：這次返回了7行。第一行包含詞anvils，因此等級最高。第二行與anvils無關，但因為它包含第一行中的兩個詞(customer和recommend)，所以也被檢索出來。第3行也包含這兩個相同的詞，但它們在文本中的位置更靠後且分開得更遠，因此也包含這一行，但等級為第三。第三行確實也沒有涉及anvils(按它們的產品名)。

正如所見，查詢擴展極大地增加了返回的行數，但這樣做也增加了你實際上並不想要的行的數目。

提示：行越多越好表中的行越多(這些行中的文本就越多)，使用查詢擴展返回的結果越好。

布林文本搜索

MySQL支持全文本搜索的另外一種形式，稱為布林方式(boolean mode)。以布林方式，可以提供關於如下內容的細節:

要匹配的詞;
要排斥的詞(如果某行包含這個詞，則不返回該行，即使它包含其他指定的詞也是如此);
排列提示(指定某些詞比其他詞更重要，更重要的詞等級更高);
表達式分組;
另外一些內容。

提示：即使沒有FULLTEXT索引也可以使用布林方式不同於迄今為止使用的全文本搜索語法的地方在於，即使沒有定義FULLTEXT索引，也可以使用它。但這是一種非常緩慢的操作(其性能將隨著資料量的增加而降低)。

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('heavy' IN BOOLEAN MODE);
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                                                               |
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
| Item is extremely heavy. Designed for dropping, not recommended for use with slings, ropes, pulleys, or tightropes.                                     |
| Customer complaint:Not heavy enough to generate flying stars around head of victim. If being purchased for dropping, recommend ANV02 or ANV03 instead.  |
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
2 rows in set (0.01 sec)

分析：此全文本搜索檢索包含詞heavy的所有行(有兩行)。其中使用了關鍵字IN BOOLEAN MODE，但實際上沒有指定布林操作符，因此，其結果與沒有指定布林方式的結果相同。

說明：IN BOOLEAN MODE的行為差異雖然這個例子的結果與沒有IN BOOLEAN MODE的相同，但其行為有一個重要的差別(即使在這個特殊的例子沒有表現出來)。

為了匹配包含heavy但不包含任意以rope開始的詞的行:

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('heavy -rope*' IN BOOLEAN MODE);
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                                                               |
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
| Customer complaint:Not heavy enough to generate flying stars around head of victim. If being purchased for dropping, recommend ANV02 or ANV03 instead.  |
+---------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

分析：這次只返回一行。這一次仍然匹配詞heavy，但-rope明確地指示MySQL排除包含rope(任何以rope開始的詞，包括ropes)的行，這就是為什麼上一個例子中的第一行被排除的原因。

目前介紹了兩個全文本搜索布林操作符-和，-排除一個詞，而是截斷操作符(可想象為用於詞尾的一個萬用字元)。

布林操作符	說明
+	包含，詞必須存在
-	排除，詞必須不出現
>	包含，而且增加等級值
<	包含，且減少等級值
()	把詞組成子表達式(允許這些子表達式作為一個組被包含、排除、排列等)
~	取消一個詞的排序值
*	詞尾的萬用字元
""	定義一個短語(與單個詞的列表不一樣，它匹配整個短語以便包含或排除這個短語)

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('+rabbit +bait' IN BOOLEAN MODE);
+----------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                            |
+----------------------------------------------------------------------------------------------------------------------+
| Quantity varies, sold by the sack load.
All guaranteed to be bright and orange, and suitable for use as rabbit bait. |
+----------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

分析：這個搜索匹配包含詞rabbit和bait的行。

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('rabbit bait' IN BOOLEAN MODE);
+----------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                            |
+----------------------------------------------------------------------------------------------------------------------+
| Quantity varies, sold by the sack load.All guaranteed to be bright and orange, and suitable for use as rabbit bait.  |
| Customer complaint: rabbit has been able to detect trap, food apparently less effective now.                         |
+----------------------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)

分析：沒有指定操作符，這個搜索匹配包含rabbit和bait中的至少一個詞的行。

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('"rabbit bait"' IN BOOLEAN MODE);
+----------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                            |
+----------------------------------------------------------------------------------------------------------------------+
| Quantity varies, sold by the sack load.All guaranteed to be bright and orange, and suitable for use as rabbit bait.  |
+----------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

分析：這個搜索匹配短語rabbit bait而不是匹配兩個詞rabbit和bait。

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('>rabbit <carrot"' IN BOOLEAN MODE);
+----------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                            |
+----------------------------------------------------------------------------------------------------------------------+
| Quantity varies, sold by the sack load.All guaranteed to be bright and orange, and suitable for use as rabbit bait.  |
| Customer complaint: rabbit has been able to detect trap, food apparently less effective now.                         |
+----------------------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)

分析：匹配rabbit和carrot，增加前者的等級，降低後者的等級。

mysql> SELECT note_text FROM productnotes WHERE Match(note_text) Against('+safe +(<combination)' IN BOOLEAN MODE);
+---------------------------------------------------------------------------------------------------------------------------------------------------+
| note_text                                                                                                                                         |
+---------------------------------------------------------------------------------------------------------------------------------------------------+
| Safe is combination locked, combination not provided with safe.This is rarely a problem as safes are typically blown up or dropped by customers.  |
+---------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

分析：這個搜索匹配詞safe和combination，降低後者的等級。

說明：排列而不排序在布林方式中，不按等級值降序排序返回的行。

全文本搜索的使用說明

關於全文本搜索的某些重要的說明。

在索引全文本資料時，短詞被忽略且從索引中排除。短詞定義為那些具有3個或3個以下字符的詞(如果需要，這個數目可以更改)。
MySQL帶有一個內建的非用詞(stopword)列表，這些詞在索引全文本資料時總是被忽略。
許多詞出現的頻率很高，搜索它們沒有用處(返回太多的結果)。因此，MySQL規定了一條50%規則，如果一個詞出現在50%以上的行中，則將它作為一個非用詞忽略。50%規則不用於IN BOOLEAN MODE。
如果表中的行數少於3行，則全文本搜索不返回結果(因為每個詞或者不出現，或者至少出現在50%的行中)。
忽略詞中的單引號。例如，don’t索引為dont。
不具有詞分隔符(包括日語和漢語)的語言不能恰當地返回全文本搜索結果。
如前所述，僅在MyISAM資料庫引擎中支持全文本搜索。

說明：沒有鄰近操作符鄰近搜索是許多全文本搜索支持的一個特性，它能搜索相鄰的詞(在相同的句子中、相同的段落中或者在特定數目的詞的部分中，等等)。MySQL全文本搜索現在還不支持鄰近操作符，不過未來的版本有支持這種操作符的計劃。