SQL Server 的全文搜索(Full-Text Search）是基于分詞的文本檢索功能，依賴(lài)于全文索引。全文索引不同于傳統(tǒng)的平衡樹(shù)（B-Tree）索引和列存儲(chǔ)索引，它是由數(shù)據(jù)表構(gòu)成的，稱(chēng)作倒轉(zhuǎn)索引（Invert Index），存儲(chǔ)分詞和行的唯一鍵的映射關(guān)系。倒轉(zhuǎn)索引是在創(chuàng)建全文索引或更新全文索引時(shí)，由SQL Server自動(dòng)創(chuàng)建和維護(hù)的。全文索引主要包含三種分析器：分詞器（Word Breaker）、詞干分析器（stemmer）和同義詞分析器。全文索引中存儲(chǔ)的數(shù)據(jù)是分詞及其位置等信息，分詞是基于特定語(yǔ)言的語(yǔ)法規(guī)則，按照特定的符號(hào)尋找詞語(yǔ)的邊界，把文本分解為“單詞”，每一個(gè)單詞叫做一個(gè)分詞（term)；全文索引有時(shí)會(huì)提取分詞的詞干，把詞干的多種派生形式存儲(chǔ)為單一詞干，這個(gè)過(guò)程叫做提取詞干；根據(jù)用戶(hù)提供的自定義同義詞列表，把相關(guān)的單詞轉(zhuǎn)換為同義詞，這個(gè)過(guò)程叫做提取同義詞。

生成全文索引是把用戶(hù)表中的文本數(shù)據(jù)進(jìn)行分詞（Word breaker）和提取詞干（Stemmer），并轉(zhuǎn)換同義詞（Thesaurus），過(guò)濾掉分詞中的停用詞（Stopword），最后把處理之后的數(shù)據(jù)存儲(chǔ)到全文索引中。把數(shù)據(jù)存儲(chǔ)到全文數(shù)據(jù)的過(guò)程叫做填充（Populate）或爬蟲(chóng)（Crawl）進(jìn)程，全文索引的更新方式可以手動(dòng)填充，自動(dòng)填充，或增量填充。

一，創(chuàng)建全文目錄和唯一索引

創(chuàng)建全文索引之前，必須創(chuàng)建全文目錄（Full-Text Catalog），全文目錄用于組織全文索引，是全文索引的容器。每一個(gè)全文索引必須屬于一個(gè)全文目錄。全文目錄是個(gè)邏輯結(jié)構(gòu)，跟數(shù)據(jù)庫(kù)的架構(gòu)（Schema）相同，根據(jù)全文索引的存儲(chǔ)位置無(wú)關(guān)。

create fulltext catalog catalog_test
as default;

為了創(chuàng)建全文索引，基礎(chǔ)表上必須存在一個(gè)唯一的（unique）、單列的（single-column）、非空的（non-nullable）的索引，全文引擎使用該索引把基礎(chǔ)表上的每行數(shù)據(jù)映射唯一索引鍵上，倒轉(zhuǎn)索引存儲(chǔ)的就是該索引鍵和分詞之間的映射關(guān)系。

create unique index uidx_dbLogID 
on [dbo].[DatabaseLog]
([DatabaseLogID]);

二，創(chuàng)建全文索引

每個(gè)表只能創(chuàng)建一個(gè)全文索引，創(chuàng)建全文索引時(shí)，必須考慮全文索引存儲(chǔ)的文件組，全文索引關(guān)聯(lián)的停用詞列表，全文索引的更新方式，以及跟文本關(guān)聯(lián)的語(yǔ)言，全文索引列必須是文本字段，例如：

create fulltext index 
on [dbo].[DatabaseLog]
(
[tsql] language 1033
)
key index ui_dbLogID
on (catalog_test,filegroup [primary]) 
with(change_tracking=off ,no population ,stoplist=system);

1，語(yǔ)言（language）

選項(xiàng) language 是可選的，用于指定列級(jí)別的語(yǔ)言，該選項(xiàng)的值可以是語(yǔ)言的名稱(chēng)或LCID，如果沒(méi)有指定language選項(xiàng)，那么使用SQL Server實(shí)例的默認(rèn)語(yǔ)言。從系統(tǒng)視圖 sys.fulltext_languages (Transact-SQL)中查看系統(tǒng)支持的語(yǔ)言及其對(duì)應(yīng)的LCID 和名稱(chēng)。

2，全文目錄（fulltext_catalog）

選項(xiàng)fulltext_catalog_name 用于指定全文索引的分組，

3，文件組（filegroup）

選項(xiàng) filegroup filegroup_name 用于指定全文索引存儲(chǔ)的文件組，如果沒(méi)有指定文件組，那么全文索引和基礎(chǔ)表存儲(chǔ)在相同的文件組中。由于更新全文索引是IO密集型操作，因此，為了更快的更新全文索引，最好把全文索引存儲(chǔ)在不同于基礎(chǔ)表的的物理硬盤(pán)或文件組上，以達(dá)到最大的IO并發(fā)。

4，填充全文索引的方式

和普通的索引相同，當(dāng)基礎(chǔ)表數(shù)據(jù)更新時(shí)，全文索引必須自動(dòng)更新，這是系統(tǒng)默認(rèn)的行為，也可以配置手動(dòng)更新全文索引，或者間隔特定的時(shí)間點(diǎn)自動(dòng)更新全文索引。

選項(xiàng)CHANGE_TRACKING 用于指定跟全文索引列相關(guān)的數(shù)據(jù)更新（Update，Delete，或Insert）是否需要同步到全文索引，
?CHANGE_TRACKING = MANUAL ：手動(dòng)更新
?CHANGE_TRACKING =AUTO：自動(dòng)更新，默認(rèn)設(shè)置，當(dāng)基礎(chǔ)表數(shù)據(jù)變化時(shí)，全文索引自動(dòng)更新，
?CHANGE_TRACKING =OFF , NO POPULATION：不更新，指定選項(xiàng)NO POPULATION，表明在創(chuàng)建全文索引之后，SQL Server不會(huì)更新（populate）全文索引；如果未指定選項(xiàng)NO POPULATION，在創(chuàng)建全文索引之后，SQL Server更新全文索引。

5，停用詞（STOPLIST）

停用詞（StopWord）也稱(chēng)作噪音詞，每一個(gè)全文索引都會(huì)關(guān)聯(lián)一個(gè)停用詞列表，默認(rèn)情況下，全文索引關(guān)聯(lián)的是系統(tǒng)停用詞（system stoplist）。全文引擎把停用詞從分詞中刪除，使全文索引不會(huì)包含停用詞。

STOPLIST [ = ] { OFF   SYSTEM   stoplist_name }

三，填充全文索引

填充全文索引也叫做爬蟲(chóng)（crawl）進(jìn)程，或填充（Population）進(jìn)程。由于創(chuàng)建或填充全文索引會(huì)消耗大量的系統(tǒng)（IO、內(nèi)存）資源，因此盡量選擇在系統(tǒng)空閑時(shí)對(duì)全文索引進(jìn)行填充。在創(chuàng)建全文索引時(shí)，通過(guò)指定選項(xiàng) CHANGE_TRACKING= MANUAL，或 CHANGE_TRACKING= OFF, NO POPULATION，新建的全文索引不會(huì)立即填充，用戶(hù)可以選擇在系統(tǒng)空閑時(shí)，使用 alter fulltext index 語(yǔ)句執(zhí)行填充操作。只有填充全文索引之后，全文索引才包含基礎(chǔ)表的分詞數(shù)據(jù)。

alter fulltext index 
on table_name
start { full   incremental   update } population;

更新全文索引有三種方式：

?FULL POPULATION：全部填充，從基礎(chǔ)表中獲取每一行，重新編入全文索引；
?INCREMENTAL POPULATION：增量填充，前提是基礎(chǔ)表中包含timestamp字段，從上一次填充之后，只把更新之后的數(shù)據(jù)編入全文索引；
?UPDATE POPULATION：更新填充，從上一次填充之后執(zhí)行更新（insert、update、或delete）操作的數(shù)據(jù)行重新編入索引；

在創(chuàng)建全文索引時(shí)，如果指定CHANGE_TRACKING=AUTO 或 CHANGE_TRACKING= OFF ， 那么新建的全文索引會(huì)立即開(kāi)始填充進(jìn)程。

四，使用 contains 謂詞查詢(xún)?nèi)�文索�?/p>

如果想要在查詢(xún)中使用全文索引，通常使用CONTAINS謂詞來(lái)調(diào)用全文索引，實(shí)現(xiàn)比LIKE關(guān)鍵字更復(fù)雜的文本匹配查詢(xún)，而LIKE關(guān)鍵字是模糊匹配，不會(huì)調(diào)用全文索引。

例如，利用contains謂詞執(zhí)行單個(gè)分詞的完全匹配查詢(xún)：

select [tsql] 
from [dbo].[DatabaseLog] 
where contains([tsql], 'searchword', language 1033);

全文查詢(xún)跟Like相比，速度更快，支持的搜索功能更復(fù)雜，使用contains謂詞，不僅能夠執(zhí)行分詞的完全匹配或分詞的前綴匹配查詢(xún)，還能夠執(zhí)行基于詞根的查詢(xún)，基于自定義同義詞的查詢(xún)，基于距離和順序的相鄰分詞查詢(xún)。但是，和Like 相比，contains謂詞不能進(jìn)行后綴匹配查詢(xún)。

contains謂詞返回的結(jié)果是布爾值，如果全文索引列中包含指定的關(guān)鍵字或查找模式（pattern），返回TRUE；否則，返回FALSE。

contains謂詞支持word查詢(xún)和短語(yǔ)查詢(xún)，word是指單個(gè)分詞，短語(yǔ)（phrase）是由多個(gè)word和間隔的空格組成的，對(duì)于短語(yǔ)，必須使用雙引號(hào)，將多個(gè)word組成一個(gè)短語(yǔ)。

1，邏輯組合查詢(xún)

使用and ，and not， 或 or 邏輯運(yùn)算符 匹配多個(gè)word 或 多個(gè)phrase

CONTAINS(Name, '"Mountain" OR "Road" ')
CONTAINS(Name, ' Mountain OR Road ')

2，前綴查詢(xún)

使用contains謂詞進(jìn)行前綴匹配，和like 'prefix%'功能相同，只不過(guò)contains謂詞使用“*”作為通配符，“*”匹配0，1或多個(gè)字符，前綴匹配的寫(xiě)法是：'"prefix*"'，全文索引只能執(zhí)行前綴匹配。

CONTAINS(Name, ' "Chain*" ')
CONTAINS(Name, '"chain*" OR "full*"')

3，查詢(xún)同義詞（thesaurus）或詞干（stemmer）

Stemmer（詞干），例如，根據(jù)語(yǔ)法規(guī)程，英語(yǔ)的動(dòng)詞 根據(jù)數(shù)（單數(shù)，復(fù)數(shù)），人稱(chēng)，時(shí)態(tài)的不同而存在不同的變化形式，這些單詞都是同源的。

CONTAINS(Description, ' FORMSOF (INFLECTIONAL, ride) ')

THESAURUS （同義詞），需要導(dǎo)入XML進(jìn)行配置，SQL Server 提供一個(gè)默認(rèn)的Thesaurus file，是Empty的。如果在Thesaurus file 配置“Author”，“Writer”，“journalist” 是同義詞，在使用fulltext index查詢(xún)時(shí)，只要滿(mǎn)足任意一個(gè)同義詞，都匹配成功。

CONTAINS(Description, ' FORMSOF (THESAURUS, author) ')

4，距離查詢(xún)

使用 near 函數(shù)，查詢(xún)匹配相鄰分詞的數(shù)據(jù)行，near函數(shù)的定義如下，用于需要在查詢(xún)模式中指定距離查詢(xún)的查詢(xún)模式：

NEAR ( ( { <simple_term>   <prefix_term> } [ ,…n ] ) [, <maximum_distance> ] [, <match_order> ] )

例如：使用Near 函數(shù)指定相鄰分詞的距離和匹配順序，near((term1,term2，term3),5)表示任意兩個(gè)term之間的距離不能超過(guò)5, near((term1,term2，term3),5,true)，表示任意兩個(gè)term的距離不能超過(guò)5，并且按照 term1，term2，term3的順序存在于字符串中。

--regardless of the intervening distance and regardless of order
CONTAINS(column_name, 'NEAR(term1,"term3 term4")')
--searches for "AA" and "BB", in either order, within a maximum distance of five
CONTAINS(column_name, 'NEAR((AA,BB),5)')
--in the specified order with regardless of the distance
CONTAINS(column_name, 'NEAR ((Monday, Tuesday, Wednesday), MAX, TRUE)')

對(duì)于 near((term1,term2,term3),5,true)，term1 和 term5之間最多存在5個(gè)term，不包括內(nèi)部的搜索分詞，“term2”，例如：

CONTAINS(column_name, 'NEAR((AA,BB,CC),5)')

這個(gè)查詢(xún)會(huì)匹配下面的文本，注意，內(nèi)部的搜索分詞CC沒(méi)有計(jì)算距離：

BB one two CC three four five AA

例如，在原文本中，分詞bike和control的最大距離不能超過(guò)10，分詞bike必須出現(xiàn)在分詞control的前面：

CONTAINS(Comments , 'NEAR((bike,control), 10, TRUE)')

SQL Server提供的全文搜索功能，比LIKE關(guān)鍵字豐富，具備初級(jí)的全文搜索功能，速度快，維護(hù)簡(jiǎn)單，缺點(diǎn)是，全文搜索功能非常有限，在實(shí)際的開(kāi)發(fā)中，可以配合開(kāi)源的全文搜索引擎，例如，Solr，Elasticsearch等來(lái)開(kāi)發(fā)功能更強(qiáng)大的全文搜索功能。

相關(guān)推薦：

PlateSpin備份時(shí)SQL Server的信息介紹

Python操作SQL Server數(shù)據(jù)庫(kù)的方法

SQL server 數(shù)據(jù)庫(kù)的數(shù)據(jù)完整性

以上就是關(guān)于SQL Server 的全文搜索功能詳解的詳細(xì)內(nèi)容，更多請(qǐng)關(guān)注php中文網(wǎng)其它相關(guān)文章！