php+mysql简单实现中文分词全文索引

网络整理 - 08-10

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：，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

<?php
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：

<?php
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']."<br>";
        }
}
$DB->close();
?>