程序员人生 网站导航

PHP+MYSQL 简单实现中文分词全文索引

栏目:MySql时间:2014-02-09 02:52:07
相信很多人都研究过MYSQL的中文全文索引问题,目前MYSQL不支持中文全文索引,无奈~~~

  网上找了N多关于PHP+MYSQL中文全文索引的文章都没有一个好用的,对于一般的菜鸟根本不知道怎么使用,PHP中文分词有DDEDE的,DEDE的词库不是很强大,还算可以用吧!

  还有一个是《SCWS - 简易中文分词系统》这个目前对于一般菜鸟根本不知道怎么用,虽然有人编译了Windows版的,但安装还是挺麻烦的,我尚未测试过!

  //==========================

  废话不多说了,首先去DEDE下载分词算法函数和词库;下载地址:http://www.dedecms.com/html/chanpinxiazai/20061229/3.html

  里面有详细的使用说明,我在这里举一个使用的例子;

  MYSQL表名:music

  字段:title,tag

  

  require("lib_splitword_full.php");

  $str = "这里是你要分词的内容,一般不要超过1024KB会好一点,否则会很慢!";

  $sp = new SplitWord();//实例化

  $dd = explode(" ",$sp->SplitRMM($str));

  $i=0;

  foreach ($dd as $key=>$var) {

  if (strlen($var)>2)//UTF8编码的请设置为3,因为UTF8编码的中文一般为3个字节以上,过滤单个字不保存!

  {

  $str.=base64_encode($var)." ";//由于MYSQL不支持中文全文索引,所以在分词中我们必须把词转换成字母或者数字,这里我选择了base64编码

  //当然大家还可以把中文转成区码,但我测试过区码的方法,感觉很一般,所以在这样我推荐大家使用base64

  $i++;

  }

  if ($i>=50) break;//这里是设置你要存储多少个词组,如果是文章可能会有N多词组,你可以设置大一点,但如果你对标题分词的话,50个已经足够了!

  //这样运行未编码得出来的结果:这里 分词 内容 一般 不要 超过 1024KB 一点 否则

  //base64编码后的结果:1eLA7w== t9a0yg== xNrI3Q== 0ruw4w== srvSqg== s6y5/Q== MTAyNEtC 0ru14w== t/HU8g==

  }

  ?>

  这样我们就可以把分好词而且转换成编码的分词存进 tag 字段了,当然tag字段必须设置成全文索引 full text 而且数据表类型必须为MyISAM。

  tag字段数据类型为CHAR和VARCHAR、text,有关如何创建MYSQL全文索引,大家可以搜索一下《mysql创建索引》遍地开花,到处都是!

  下面的例子是根据TAG字段的内容进行全文索引查询:

  

  include("Mysql.class.php");

  $rs = $DB->get_one("select title,tag from music where id=$id");//根据ID读取title和tag字段内容

  $title = $rs['title'];

  $sql = $DB->query("select title,MATCH(tag) AGAINST('".trim($rs['tag'])."' IN BOOLEAN MODE) AS score from music where MATCH(tag) AGAINST('".trim($rs['tag'])."' IN BOOLEAN MODE) ORDER BY score DESC limit 21");//这里是查询20条相似的内容,而且按相似的排序,21是因为同一条记录都会匹配出来!

  while ($rs = $DB->fetch_array($sql))

  {

  if ($rs['title']!=$title)

  {

  echo $rs['title']."
";

  }

  }

  $DB->close();

  ?>

  如果大家想看效果可以到我的小站看演示:http://www.dj965.com

  以上的例子就实现了PHP+MYSQL简单的中文分词全文索引!

  希望对跟我一样的菜鸟有一定的帮助吧!

  本人BLOG:http://hi.baidu.com/web20/

文章来自:http://www.admin5.com/article/20080717/94313.shtml
------分隔线----------------------------
------分隔线----------------------------

最新技术推荐