日期:2014-05-16  浏览次数:20528 次

MySQL数据库中文全文检索解决方案
在MySQL建立英文的全文索引不是难事,但是要做好中文的全文索引需要做很多工作。

MySQL默认不支持中文索引,因为中文不能像英文那样通过空格来准确的判断单词,而需要通过语义来判断,这就需要中文切词工具支持,由于版权问题,MySQL一直没有提供中文支持,虽然MySQL发展的很快。

那么我们只能曲线救国了。

场景模拟,在OA系统中添加对新闻的全文搜索支持。
技术实现,对新闻表的标题和正文字段建立Fulltext索引,然后通过MATCH的方式检索。
虽然我们可以通过like或regexp的方式检索,但是和MATCH相比,前者的效率要远远低于后者,前者需要1秒钟,通过全文索引匹配的后者可能只需要0.002秒钟,这就是效率。

SELECT count(*) FROM t where body like'%开源%'
SELECT count(*) FROM t where body regexp'开源'
SELECT count(*) FROM t where body like binary('%开源%')
SELECT body FROM t where match(body) against('开源' in boolean mode)

问题难点,英文容易匹配,以为有空格,但是中文一般是一个个的句子,不好判断。
联想思考,要是将中文能够在词语之间加入空格,那么就可以很容易匹配到。经测试,这种方式是可行的。
现在的问题,变成,如何将一个篇幅的中文汉字提取出有效的关键词,然后各关键词用空格连起来,存入一个字段,然后对这个字段建立Fulltext索引。

思路就是这样的,下面的工作就是如何提取关键词,也就是常说的中文切词或分词。

中文切词方案请参照
Lucene全文检索1[url] http://www.minioa.net/viewtopic.php?f=18&t=264[/url]
Lucene中文检索2[url] http://www.minioa.net/viewtopic.php?f=18&t=266[/url]