MySQL分词搜索

FULLTEXT

以前使用查找时都是以 %关键字% 进行模糊查询结果的，这种查询方式有一些缺点，比如不能查询多个列必须手动添加条件以实现，效率不高等
现在有一种新的查找方式可以解决以上问题，就是使用全文索引进行查找
注意：并非所有存储引擎都支持全文搜索功能。在MySQL 5.6或更高版本中，只有MyISAM和InnoDB存储引擎支持全文搜索。

全文搜索的简单使用

建表添加FULLTEXT索引

使用该技术非常简单，首先需要有一张表，我建立了一张图书表并插入了两条数据

CREATE TABLE `book`  (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `book_name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `author` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `publisher` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE,
  FULLTEXT INDEX `bookname_author_publisher_fulltext`(`book_name`, `author`, `publisher`) WITH PARSER `ngram`
) ENGINE = InnoDB AUTO_INCREMENT = 3 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

SET FOREIGN_KEY_CHECKS = 1;

接下来添加索引

添加FULLTEXT索引的语法是

CREATE FULLTEXT INDEX index_name ON table_name(idx_column_name,…)

但是由于我们需要分词搜索，MySQL本身不支持中文分词，所以在使用全文索引时需要引入Ngram解析器使得支持中文分词搜索（MySQL版本大于5.6），只需要在创建索引时在语句后面添加WITH PARSER NGRAM 即可
例如，创建了一个支持以书名，作者和出版社为搜索条件的全文索引语法如下
create FULLTEXT index bookname_author_publisher on book(book_name,author,publisher) WITH PARSER ngram

尝试搜索

现在，我们已经创建好了索引，它支持以书名，作者和出版社的内容进行搜索，我们尝试搜索下包含三国的数据
select * from book where MATCH(book_name,author,publisher) against(‘三国’)
结果：

可以看到，包含三国的数据有两条，分别是书名为三国演义和作者为张三国的数据，已经成功实现分词搜索了
需要说明的是，该Ngram解析器默认的分词长度（ngram_token_size）是2，也就是说，默认是以2个字符进行分词的，如果你只搜索1个字符的话是不会有任何结果的，但是这个值可以自定义。

• 查看分词长度 SHOW VARIABLES LIKE ‘ngram_token_size’;
• 修改分词长度 在MySQL的配置文件中(.ini)找到[mysqld]字样的地方，在下方添加ngram_token_size=1即可修改为支持1个字符起搜索（范围1~10）

关于MySQL的配置文件的位置，如果你是压缩包安装的应该直接就能找到，如果是通过安装程序安装的话可以从服务中找到你的MySQL服务，然后点击属性就可以看到位置了

结束

以上就是关于MySQL实现分词搜索的简单过程了，详细语法可以通过该网址进行学习
需要补充的是，我在学习时看到使用该索引进行全文搜索时，会应用50%阈值（50％阈值意味着如果一个单词出现在超过50％的行中，MySQL将在搜索结果中忽略它。），但是实际测试下来并没有忽略掉。
1.布尔全文搜索模式进行搜索时，不会应用50%阈值
2.按理说使用自然语言搜索进行全文搜索时会应用50%阈值，可是我实际测试并没有忽略（innoDB），后来看到一句话

MyISAM全文搜索会忽略至少在一半以上数据行中出现的单词（也即所谓的50%阈值），InnoDB无此限制。而在布尔全文搜索中MyISAM的50%阈值不生效。（来自https://www.likecs.com/show-374225.html?sc=8500）

这一块暂时不清楚什么情况，后续测试再更新吧