让 MySQL 真正支持中文的全文检索(全文索引)

PHP 和 MySQL 几乎也是离不开的, 后面我附一个简单的例子来说明在 PHP 中使用全文检索....

下载及完全说明正式地址: http://myft.twomice.net

在不影响 MySQL 的系统结构及其他功能的前提下，解决了 MySQL 目前对中文全文检索无法正确支持的缺陷并优化 MySQL 对中文检索处理的性能。（目前本软件包支持根据词典进行简易的正向最大匹配分词、支持包括UTF-8、GBK、BIG5 ... 在内的字符集）

经测试效果尚可, 140万行约 1.4G 数据(不含索引区空间) 检索大概都在 0.0x ~ 0.x 秒之间. 搭配做一个小型全文检索将变得十分简单.

MySQL 从 3.23 的某个小版本开始就已经支持在 MyISAM 表中建立全文索引的字段。由于 CJK(中日韩)字符集及其句法的特殊性(词与词之间没有像英文一样的间隔)，MySQL 一直没有针对多字节的宽字符集作出应有的支持，也没有任何分词能力。

而 MySQL 作为 PHP 等 Web Script 的绝佳搭档，已经被广泛应用到各个角落，对于它的检索令绝大多数开发者头痛，用 SELECT ... WHERE ... LIKE %...% 的方式不仅效率差（动则扫描全表岂能不慢？），对于中文这样的特殊语言也存在严重的岐义问题（因为词才是最小的语意单位）。我也在一段时间内受限于 MySQL 的检索限制，而不得不寻求其它解决方案，但都不太尽人意。

--
顺便提一下，有一个叫作海量的分词技术公司，很早就做过 mysql-chinese 的 hack，只不过迟迟没有按照 GNU 精神及时发布源码，所以才决定自己来作。

-- 用 PHP 配合 MySQL (4.0.x) 的全文检索例子代码 --

<?php
if ($_GET['q'] && $q = trim($_GET['q']))
{
    mysql_connect();
    mysql_select_db("dot66");
    $q = mysql_escape_string($q);
    $r = mysql_query("SELECT SEGMENT('$q')");
    $n = mysql_fetch_row($r);
    $x = explode(" ", $n[0]);
    $m = $str = '';
    $f = $t = array();
    foreach ($x as $tmp)
    {
      if (strlen($tmp) > strlen($m)) $m = $tmp;
      $f[] = "/($tmp)/i";
      $t[] = '<font color=red>1</font>';
    }
    $s1 = "SELECT id,board,owner,chrono,title,SUBSTRING(body,LOCATE('$m', body)-50,200) AS xbody ";
    $s2 = "FROM bbs_posts WHERE MATCH(title,body) AGAINST ('$q'";
    $s2 .= (preg_match('/[<>()~*"+-]/', $q) ? ' IN BOOLEAN MODE' : '');
    $s2 .= ") LIMIT 100";

    $r = mysql_query("SELECT COUNT(*) $s2");
    $x = mysql_fetch_row($r);
    $x = $x[0];
    $s = $s1 . $s2;
    echo '<div style="border:1px solid red;background-color:#e0e0e0;font-family:tahoma;padding:8px;"><b>The Core SQL Query String:</b><br>' . $s . '</div><br>';
    $r = mysql_query($s);
    while ($tmp = mysql_fetch_assoc($r))
    {
      if (($pos = strpos($tmp['owner'], '.')) || ($pos = strpos($tmp['owner'], '@')))
        $tmp['owner'] = substr($tmp['owner'],0,$pos).'.';
      $str .= "<li><a href=""?id=$tmp[id]"" onclick=""return false;"" style=""text-decoration:underline;color:blue"" title=""点击浏览..."">$tmp[title]</a> <small><font color=green>(看板: $tmp[board])</font></small><br> ";
      $str .= "<small> ... $tmp[xbody] ...</small><br> ";
      $str .= "<small style=""color:green;font-family:tahoma;"">Author: <u>$tmp[owner]</u> Date: " . date("Y-m-d H:i", $tmp['chrono']) . "</small> ";
      $str .= "</li><br><br> ";
    }
    $f[] = '/x1b[.*?m/';
    $t[] = '';
    $str = preg_replace($f, $t, $str);
}
mysql_close();
}
?>
<title>BBS(看板检索: powered by MySQL fulltext+)</title>
<style type="text/css">
body { line-height: 125%; }
</style>
<h2>BBS(看板检索: powered by MySQL fulltext+)</h2>
<form method=get style="margin:0">
<input type=text name=q size=30 value="<?php echo $_GET['q'];?>">
<input type=submit value="Search!">
<small>
(随便输入字符串检索, 还可以用简单的 +/- 哦, 收录约有 140万篇文章)
</small>
</form>
<ol>
<?php echo $str; ?>
</ol>