mysql 解析器_MySQL ngram全文解析器
本教程将向您展示如何使用MySQL ngram全文解析器来支持中文,日文,韩文等表意语言的全文搜索。
MySQL ngram全文解析器简介
MySQL内置的全文解析器使用空格确定单词的开始和结束。当涉及汉语,日语或韩语等表意语言语言时,这是一个限制,因为这些语言不使用分词符。
为了解决这个问题,MySQL提供了ngram全文解析器。自MySQL5.7.6版起,MySQL将ngram全文解析器作为内置的服务器插件,这意味着当MySQL数据库服务器启动时,MySQL会自动加载该插件。 MySQL支持用于InnoDB和MyISAM存储引擎的ngram全文解析器。
根据定义,ngram是来自文本序列的多个字符的连续序列。 ngram全文解析器的主要功能是将文本序列标记为n个字符的连续序列。
以下说明了ngram全文解析器如何标记不同值n的文本序列:
n = 1: 'm','y','s','q','l' n = 2: 'my', 'ys', 'sq','ql' n = 3: 'mys', 'ysq', 'sql' n = 4: 'mysq', 'ysql' n = 5: 'mysql'
使用 ngram 解析器创建FULLTEXT索引
要创建使用ngram全文解析器的FULLTEXT索引,可以在,或CREATE INDEX语句中添加WITH PARSER ngram。
例如,以下语句创建新的帖子表,并将标题和正文列添加到使用ngram全文解析器的FULLTEXT索引。
USE testdb; CREATE TABLE posts ( id INT PRIMARY KEY AUTO_INCREMENT, title VARCHAR(255), body TEXT, FULLTEXT ( title , body ) WITH PARSER NGRAM ) ENGINE=INNODB CHARACTER SET UTF8;
以下语句赂posts表中插入一个新行:
SET NAMES utf8; INSERT INTO posts(title,body) VALUES('MySQL全文搜索','MySQL提供了具有许多好的功能的内置全文搜索'), ('MySQL教程','学习MySQL快速,简单和有趣');
请注意,SET NAMES语句设置客户端和服务器将用于发送和接收数据的字符集; 在本示例中,它使用的是utf8。
要查看ngram如何标记文本,请使用以下语句:
SET GLOBAL innodb_ft_aux_table="testdb/posts"; SELECT * FROM information_schema.innodb_ft_index_cache ORDER BY doc_id , position;
执行上面查询语句,得到以下结果 –
mysql> SELECT * FROM information_schema.innodb_ft_index_cache ORDER BY doc_id , position; +------+--------------+-------------+-----------+--------+----------+ | WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION | +------+--------------+-------------+-----------+--------+----------+ | my | 2 | 3 | 2 | 2 | 0 | | ys | 2 | 3 | 2 | 2 | 1 | | sq | 2 | 3 | 2 | 2 | 2 | | ql | 2 | 3 | 2 | 2 | 3 | | l全 | 2 | 2 | 1 | 2 | 4 | | 全文 | 2 | 2 | 1 | 2 | 5 | | 文搜 | 2 | 2 | 1 | 2 | 8 | | 搜索 | 2 | 2 | 1 | 2 | 11 | | ql | 2 | 3 | 2 | 2 | 18 | | my | 2 | 3 | 2 | 2 | 18 | | ys | 2 | 3 | 2 | 2 | 18 | | sq | 2 | 3 | 2 | 2 | 18 | | l提 | 2 | 2 | 1 | 2 | 22 | | 提供 | 2 | 2 | 1 | 2 | 23 | | 供了 | 2 | 2 | 1 | 2 | 26 | | 了具 | 2 | 2 | 1 | 2 | 29 | | 具有 | 2 | 2 | 1 | 2 | 32 | | 有许 | 2 | 2 | 1 | 2 | 35 | | 许多 | 2 | 2 | 1 | 2 | 38 | | 多好 | 2 | 2 | 1 | 2 | 41 | | 好的 | 2 | 2 | 1 | 2 | 44 | | 的功 | 2 | 2 | 1 | 2 | 47 | | 功能 | 2 | 2 | 1 | 2 | 50 | | 能的 | 2 | 2 | 1 | 2 | 53 | | 的内 | 2 | 2 | 1 | 2 | 56 | | 内置 | 2 | 2 | 1 | 2 | 59 | | 搜索 | 2 | 2 | 1 | 2 | 60 | | 文搜 | 2 | 2 | 1 | 2 | 60 | | 全文 | 2 | 2 | 1 | 2 | 60 | | 置全 | 2 | 2 | 1 | 2 | 62 | | my | 2 | 3 | 2 | 3 | 0 | | ys | 2 | 3 | 2 | 3 | 1 | | sq | 2 | 3 | 2 | 3 | 2 | | ql | 2 | 3 | 2 | 3 | 3 | | l教 | 3 | 3 | 1 | 3 | 4 | | 教程 | 3 | 3 | 1 | 3 | 5 | | 学习 | 3 | 3 | 1 | 3 | 12 | | 习m | 3 | 3 | 1 | 3 | 15 | | sq | 2 | 3 | 2 | 3 | 18 | | ql | 2 | 3 | 2 | 3 | 18 | | my | 2 | 3 | 2 | 3 | 18 | | ys | 2 | 3 | 2 | 3 | 18 | | l快 | 3 | 3 | 1 | 3 | 22 | | 快速 | 3 | 3 | 1 | 3 | 23 | | 速, | 3 | 3 | 1 | 3 | 26 | | ,简 | 3 | 3 | 1 | 3 | 29 | | 简单 | 3 | 3 | 1 | 3 | 32 | | 单和 | 3 | 3 | 1 | 3 | 35 | | 和有 | 3 | 3 | 1 | 3 | 38 | | 有趣 | 3 | 3 | 1 | 3 | 41 | +------+--------------+-------------+-----------+--------+----------+ 50 rows in set
此查询对于故障排除目的很有用。例如,如果一个单词不包括在搜索结果中,则该单词可能没有被编入索引,因为它是一个停止词或者可能是其它原因。
设置ngram令牌大小
在前面的示例可以看到,默认情况下,ngram中的令牌大小(n)为2,要更改令牌大小,请使用ngram_token_size配置选项,值的范围是:1到10。
请注意,较小的令牌大小可使较小的全文搜索索引更快地进行搜索。
因为ngram_token_size是只读变量,因此您只能使用两个选项设置其值:
第一种方式,在启动字符串中:
mysqld --ngram_token_size=1
第二种方式 – 在配置文件中:
[mysqld] ngram_token_size=1
ngram解析器短语搜索
MySQL将短语搜索转换成ngram短语搜索。 例如,abc被转换为ab bc,它返回包含ab bc和abc的文档。
以下示例显示在posts表中搜索短语:搜索:
SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('搜索' );
执行上面查询语句,得到以下结果 –
mysql> SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('搜索' ); +----+---------------+-------------------------------------------+ | id | title | body | +----+---------------+-------------------------------------------+ | 1 | MySQL全文搜索 | MySQL提供了具有许多好的功能的内置全文搜索 | +----+---------------+-------------------------------------------+ 1 row in set
用ngram处理搜索结果
自然语言模式
在自然语言模式搜索中,搜索项被转换为ngram值的并集。 假设令牌大小为2或者二进制,则搜索项mysql被转换为我的my ys sq和ql。
SELECT * FROM posts WHERE MATCH (title , body) AGAINST ('简单和有趣' IN natural language MODE);
执行上面查询语句,得到以下结果 –
mysql> SELECT * FROM posts WHERE MATCH (title , body) AGAINST ('简单和有趣' IN natural language MODE); +----+-----------+---------------------------+ | id | title | body | +----+-----------+---------------------------+ | 2 | MySQL教程 | 学习MySQL快速,简单和有趣 | +----+-----------+---------------------------+ 1 row in set
布尔模式
在BOOLEAN MODE搜索中,搜索项被转换成ngram短语搜索。 例如:
SELECT * FROM posts WHERE MATCH (title , body) AGAINST ('简单和有趣' IN BOOLEAN MODE);
执行上面查询语句,得到以下结果 –
mysql> SELECT * FROM posts WHERE MATCH (title , body) AGAINST ('简单和有趣' IN BOOLEAN MODE); +----+-----------+---------------------------+ | id | title | body | +----+-----------+---------------------------+ | 2 | MySQL教程 | 学习MySQL快速,简单和有趣 | +----+-----------+---------------------------+ 1 row in set
ngram通配符搜索
ngram FULLTEXT索引仅包含ngram,因此它不知道短语的开始。执行通配符搜索时,可能会返回意外的结果。
以下规则将应用于使用ngram FULLTEXT搜索索引的通配符搜索:
如果通配符中的前缀短语短于ngram令牌大小,则查询返回所有包含以前缀项为起始的ngram令牌的文档。 例如:
SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('my*' );
执行上面查询语句,得到以下结果 –
mysql> SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('my*' ); +----+---------------+-------------------------------------------+ | id | title | body | +----+---------------+-------------------------------------------+ | 1 | MySQL全文搜索 | MySQL提供了具有许多好的功能的内置全文搜索 | | 2 | MySQL教程 | 学习MySQL快速,简单和有趣 | +----+---------------+-------------------------------------------+ 2 rows in set
如果通配符中的前缀短语长于ngram令牌大小,则MySQL将将前缀术语转换为ngram短语,并忽略通配符运算符。 请参阅以下示例:
SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('mysqld*' );
执行上面查询语句,得到以下结果 –
mysql> SELECT id, title, body FROM posts WHERE MATCH (title , body) AGAINST ('mysqld*' ); +----+---------------+-------------------------------------------+ | id | title | body | +----+---------------+-------------------------------------------+ | 1 | MySQL全文搜索 | MySQL提供了具有许多好的功能的内置全文搜索 | | 2 | MySQL教程 | 学习MySQL快速,简单和有趣 | +----+---------------+-------------------------------------------+ 2 rows in set
在这个例子中,短语“mysqld”被转换为ngram短语:my ys sq ql ld,因此返回包含其中一个短语的所有文档。
处理停止词
ngram解析器不包括在停止词列表中包含停止词的令牌。例如,假设ngram_token_size为2,文档包含abc。 ngram解析器将文档标记为ab和bc。 如果b是一个停用词,则ngram将包含ab和bc,因为它们包含b。
请注意,如果语言不是英语,则必须定义自己的词条列表。 此外,长度大于ngram_token_size的停止词将被忽略。
在本教程中,您已经学会了如何使用MySQL ngram全文解析器来处理表意语言的全文搜索。
¥ 我要打赏 纠错/补充 收藏
mysql 解析器_MySQL ngram全文解析器相关推荐
- MySQL使用全文索引+ngram全文解析器进行全文检索
一.前言 最近有项目需要使用mysql进行全文检索,由于之前都是使用的Elasticsearch数据库进行数据检索,因此查询了相关资料后,了解了mysql如何使用全文索引. 二.ngram全文分析器 ...
- mysql ngram_MySQL ngram全文解析器
本教程将向您展示如何使用MySQL ngram全文解析器来支持中文,日文,韩文等表意语言的全文搜索. MySQL ngram全文解析器简介 MySQL内置的全文解析器使用空格确定单词的开始和结束.当涉 ...
- mysql offset函数_mysql查询语句解析
原标题:mysql查询语句解析 一.查询基本知识 select 列1,列2,...,列n from 表名 1.条件查询:where ①比较运算符:=.!=.< >.<= .>= ...
- mysql par文件_mysql .par文件格式解析
mysql 5.6版本分区表有一个文件:表名.par, 该文件在5.7.6版本后被移除. 在一个现场环境中,客户端执行check table后报错如下,源码跟踪下来之后是缺失par文件. mysql解 ...
- mysql任务调度器_mysql存储过程和任务调度器
-- 创建月表和日表的存储过程 delimiter $$ use `devicitydb1`$$ drop procedure if exists `createTable`$$ create def ...
- mysql join性能_Mysql Join语法解析与性能分析
一.Join语法概述 join 用于多表中字段之间的联系,语法如下: ... FROM table1 INNER|LEFT|RIGHT JOIN table2 ON conditiona table1 ...
- mysql join 性能测试_Mysql Join语法解析与性能分析
一.Join语法概述 join 用于多表中字段之间的联系,语法如下: SELECT * FROM table1 INNER|LEFT|RIGHT JOIN table2 ON conditiona t ...
- mysql 自然数集合_MySQL自然语言全文搜索
在本教程中,您将通过使用MATCH()和AGAINST()函数来了解MySQL自然语言全文搜索. MySQL自然语言全文搜索简介 在自然语言全文搜索中,MySQL查找与自由文本自然人类语言查询相关的行 ...
- MySQL内核源码解读-SQL解析之解析器浅析
MYSQL服务器接收SQL格式的查询,首先要对sql进行解析,内部将文本格式转换为二进制结构,这个转换就是解析器,解析的目的是为了让优化器更好的处理指令,以便以最优的路径,最少的耗时返回我们想要的结果 ...
最新文章
- resumable oracle,Oracle的Resumable特性
- 多个PHP版本环境搭建(nginx,php)
- 阿里数学竞赛最年轻金奖得主:15岁读少年班,21岁UC伯克利读博,想毕业就回国...
- 我的jQuery动态表格插件二
- VS2010 加入OpenCV 提示 0xc000007b 的错误
- webpack中设置jquery为全局对象
- 博士生找工作的真相!就问一声:你是否足够强大?
- 记录几个CentOS安装包(rpm)的下载地址-离线安装必备
- ActiveMq生产者流量控制(Producer Flow Control)
- Android内核开发:如何统计系统的启动时间
- ROS下载Gazebo模型到本地
- 纯个人整理!分享珍藏很久的《手把手AI项目》合集手册(附链接)
- Let'sEncrypt免费域名申请一键式脚本-目前最简单的脚本
- Python语言程序设计 第七周 文件和数据格式化
- 为windows server 2008 r2系统安装笔记本内置摄像头驱动的过程
- 【寄明月】MMD动作镜头下载-附赠扇子和使用方法
- 如何一键录制4k8k高清视频?
- 我的编程之路点滴记录(二)
- 微信小程序重新发起请求加载页面
- IDEA 闪退,并在C盘生成文件java_error_in_idea_****.log