现在mysql自带全文检索 是否支持中文?

mysql默认不支持中文全文索引，不过对于MyISAM表可以使用外部插件mysqlcft来建立中文全文索引。若是对“mysqlcft”插件不了解，可以百度“mysqlcft”会有详细的资料的。

全文检索在MySQL里面很早就支持了，只不过一直以来只支持英文。缘由是他从来都使用空格来作为分词的分隔符，而对于中文来讲，显然用空格就不合适，需要针对中文语义进行分词。这不，从MySQL5.7开始，MySQL内置了ngram全文检索插件，用来支持中文分词，并且对MyISAM和InnoDB引擎有效。

在使用中文检索分词插件ngram之前，先得在MySQL配置文件里面设置他的分词大小，比如，

[mysqld]

ngram_token_size=2

这里把分词大小设置为2。要记住，分词的SIZE越大，索引的体积就越大，所以要根据自身情况来设置合适的大小。

示例表结构：

CREATE TABLE articles (

      id INTUNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,

      titleVARCHAR(200),

      body TEXT,

      FULLTEXT (title,body) WITH PARSER ngram

    ) ENGINE=InnoDBCHARACTER SET utf8mb4;

示例数据，有6行记录。

mysql> select * from articles\G

***************************1. row ***************************

   id: 1

title: 数据库管理

 body: 在本教程中我将向你展示如何管理数据库

***************************2. row ***************************

   id: 2

title: 数据库应用开发

 body: 学习开发数据库应用程序

***************************3. row ***************************

   id: 3

title: MySQL完全手册

 body: 学习MySQL的一切

***************************4. row ***************************

   id: 4

title: 数据库与事务处理

 body: 系统的学习数据库的事务概论

***************************5. row ***************************

   id: 5

title: NoSQL精髓

 body: 学习了解各种非结构化数据库

***************************6. row ***************************

   id: 6

title: SQL 语言详解

 body: 详细了解如果使用各种SQL

6 rows inset (0.00 sec)

 显式指定全文检索表源

mysql> SETGLOBAL innodb_ft_aux_table="new_feature/articles";

Query OK, 0 rows affected (0.00 sec)

通过系统表，就可以查看到底是怎么划分articles里的数据。

mysql> SELECT *FROM information_schema.INNODB_FT_INDEX_CACHE LIMIT 20,10;

+------+--------------+-------------+-----------+--------+----------+

| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID| POSITION |

+------+--------------+-------------+-----------+--------+----------+

| 中我    |            2 |           2 |         1 |     2 |       28 |

| 习m  |            4 |           4 |         1 |      4 |      21 |

| 习了   |            6 |           6 |         1 |      6 |      16 |

| 习开   |            3 |           3 |         1 |      3 |      25 |

| 习数   |            5 |          5 |         1 |      5 |      37 |

| 了解   |            6 |           7 |         2 |      6 |      19 |

| 了解   |            6 |           7 |         2 |      7 |      23 |

| 事务    |            5 |           5 |         1 |      5 |       12 |

| 事务    |            5 |           5 |         1 |      5 |      40 |

| 何管   |            2 |           2 |         1 |      2 |      52 |

+------+--------------+-------------+-----------+--------+----------+

10 rows in set (0.00 sec)

这里可以看到，把分词长度设置为2，所有的数据都只有两个一组。上面数据还包含了行的位置，ID等等信息。

接下来，我来进行一系列检索示范，使用方法和原来英文检索一致。

1. 自然语言模式下检索：

         A，得到符合条件的个数，

         mysql>SELECT COUNT(*) FROM articles

             -> WHERE MATCH (title,body) AGAINST ('数据库' IN NATURALLANGUAGE MODE);

         +----------+

         | COUNT(*) |

         +----------+

         |       4 |

         +----------+

         1 row in set (0.05 sec)

         B，得到匹配的比率，

         mysql>SELECT id, MATCH (title,body) AGAINST ('数据库' IN NATURAL LANGUAGE MODE)

 AS score FROM articles;

+----+----------------------+

| id| score                |

+----+----------------------+

|  1 | 0.12403252720832825 |

|  2 | 0.12403252720832825 |

|  3 |                    0 |

|  4 | 0.12403252720832825 |

|  5 | 0.062016263604164124 |

|  6 |                    0 |

+----+----------------------+

6rows in set (0.00 sec)

2. 布尔模式下搜索，这个就相对于自然模式搜索来的复杂些：

A，匹配既有管理又有数据库的记录，

mysql> SELECT * FROM articles WHERE MATCH (title,body)

    ->     AGAINST ('+数据库 +管理' IN BOOLEAN MODE);

+----+------------+--------------------------------------+

| id| title      | body                                 |

+----+------------+--------------------------------------+

|  1 | 数据库管理         | 在本教程中我将向你展示如何管理数据库

               |

+----+------------+--------------------------------------+

1 rowin set (0.00 sec)

B，匹配有数据库，但是没有管理的记录，

mysql> SELECT * FROM articles WHERE MATCH (title,body)

    ->     AGAINST ('+数据库 -管理' IN BOOLEAN MODE);

+----+------------------+----------------------------+

| id| title            | body                       |

+----+------------------+----------------------------+

|  2 | 数据库应用开发             | 学习开发数据库应用程序 |

|  4 | 数据库与事务处理               | 系统的学习数据库的事务概论       |

|  5 | NoSQL 精髓          | 学习了解各种非结构化数据库                   |

+----+------------------+----------------------------+

3rows in set (0.00 sec)

C，匹配MySQL，但是把数据库的相关性降低，

mysql> SELECT * FROM articles WHERE MATCH (title,body)

    ->     AGAINST ('>数据库 +MySQL' INBOOLEAN MODE);

+----+---------------+-----------------+

| id| title         | body            |

+----+---------------+-----------------+

|  3 | MySQL完全手册       |学习MySQL的一切       |

+----+---------------+-----------------+

1 rowin set (0.00 sec)

3，查询扩展模式，比如要搜索数据库，那么MySQL，oracle，DB2也都将会被搜索到，

mysql> SELECT * FROM articles

    ->     WHERE MATCH (title,body)

    ->     AGAINST ('数据库' WITH QUERY EXPANSION);

+----+------------------+--------------------------------------+

| id| title            | body                                 |

+----+------------------+--------------------------------------+

|  1 | 数据库管理               | 在本教程中我将向你展示如何管理数据库                

|  4 | 数据库与事务处理               | 系统的学习数据库的事务概论             

|  2 | 数据库应用开发             | 学习开发数据库应用程序          |

|  5 | NoSQL 精髓          | 学习了解各种非结构化数据库      |

|  6 | SQL 语言详解            | 详细了解如果使用各种SQL|

|  3 | MySQL完全手册         | 学习MySQL的一切                          |

+----+------------------+--------------------------------------+

6rows in set (0.01 sec)

当然，我这里只是功能演示，更多的性能测试，大家有兴趣可以进行详细测试。由于N-grm是中文检索常用的分词算法，已经在互联网大量使用，这次集成到mysql中，想必效果上不会有太大的问题。