SQL 全文检索

SQL Server 全文索引查询T-SQL学习笔记之二(Full-text index)

　　在学习笔记一里已经掌握了基本的contains语法和freetext语法的用法，但是面对一些复杂的操作，基本的包含语法是不够用的，如果我们想要查询含有“世界”或“末日”的所有字符串集合，那么无论是contains([column],'世界末日')或者freetext([column],'世界末日')都不能很好的工作，当然contains本身是可以含有条件的，因此有两个解决方案。

多条件查询

　　第一个就是传统的where多条件查询，加上两个contains语句，然后用or连接

select [Column] as [result] from Sample where contains([Column],'世界') or contains([Column],'末日')

　　执行结果如下：

　　现在，介绍如何直接使用一个contains语句实现多条件查询，语法的结构如下

contains([Column],'"keyword1" and "keyword2" and ......')
contains([Column],'"keyword1" or "keyword2" or ......')
contains([Column],'("keyword1" or "keyword2") and ......')

　　其实也就是在两个单引号内实现多条件，and表示交集，or表示并集，我们运行如下T-SQL

select [Column] as [result] from Sample where contains([Column],'"世界" or "末日"')

　　执行结果如下：

　　两次查询均返回了1820条记录，可以看到，排在前面的记录两者是不一样的，因此这两种方式的查询在底层的执行方式是不一样的，往往把条件都放在一个contains里会有更高的效率。

　　要注意的是，freetext本身就是模糊查询了，它不能再带有条件，如果想尝试在freetext里加入条件语句是没有意义的，不会返回任何结果。

　　现在总结一下contains和freetext，可以看到，使用这两个查询方法很简单，效率较高，但是它们一个很大的不足：

contains和freetext不会限定返回结果的数量，而是将满足条件的全部返回

　　这会带来两个比较重要的问题，

１、我们会得到很多无用的结果，同时如果返回结果过多，也会极大影响查询效率

２、返回的结果是无序的，并没有按照预想的如“相似程度”进行排序，导致最好的查询结果往往不再最前面

　　为了克服这样的问题，就可以使用containstable和freetexttable语法，这两个查询方法可以限定返回结果的数量，同时能赋予一个rank函数（相似度函数）返回rank最大的n个结果，这就是著名的top_n_by_rank argument

containstable、freetexttable

　　使用containstable和top_n_by_rank需要使用表的内连接操作，内连接也称为等同连接，返回的结果集是两个表中所有相匹配的数据，用on进行连接。我们让containstable返回的结果集作为一个表k，该表拥有两个字段，一个是key字段，一个是rank字段，在查询时需要将key字段与查询字段中的一个主键（唯一字段）相进行连接，如下

SELECT [Column] as [result] From wiki --查询Column字段的记录，该字段是唯一字段，并且已建立全文索引
inner join --内连接
containstable(Sample,[Column],'"世界" or "末日"',500) as k --含有“世界”和“末日”的前500条记录作为表k
on wiki.fs_wiki_title = k.[key] --连接条件
ORDER BY k.RANK DESC --按照k的rank降序排列，即相似度越高的越靠前

　　执行结果如下：

 

　　可以看到，现在的查询时间已经大大减少，因为我们只返回500条记录，并且这些记录都是与给定的“世界”或“末日”非常接近的。

　　下面，我们可以进行一些更加高级的查询，比如在containstable语法里限定条件，这个时候我们要在库里查含有“世界”并且含有“末日”的所有字符串，执行如下T-SQL语句

SELECT [Column] as [result] From Sample
inner join containstable(Sample,[Column],'"世界" and "末日"',500) as k 
on Sample.Column = k.[key]
ORDER BY k.RANK DESC

　　执行结果如下：

继续，我们再限定查找字符串长度小于等于6，执行如下T-SQL语句

SELECT [Column] as [result] From Sample
inner join containstable(Sample,[Column],'"世界" and "末日"',500) as k 
on Sample.Column = k.[key]
where len([Column])<=6
ORDER BY k.RANK DESC

　　执行结果如下：

　　可以看到，这个时候返回结果就很精确了，因此我们通过containstable能够非常灵活的进行查询设计并且对返回结果按相似度排序。freetexttable的用法和containstable用法类似，因此这里不再讲解。