PHP+MYSQL 簡單實現中文分詞全文索引

相信很多人都研究過MYSQL的中文全文索引問題，目前MYSQL不支持中文全文索引，無奈~~~

　　網上找了N多關于PHP+MYSQL中文全文索引的文章都沒有一個好用的，對于一般的菜鳥根本不知道怎么使用，PHP中文分詞有DDEDE的，DEDE的詞庫不是很強大，還算可以用吧!

　　還有一個是《SCWS - 簡易中文分詞系統》這個目前對于一般菜鳥根本不知道怎么用，雖然有人編譯了Windows版的，但安裝還是挺麻煩的，我尚未測試過!

　　//==========================

　　廢話不多說了，首先去DEDE下載分詞算法函數和詞庫;下載地址：http://www.dedecms.com/html/chanpinxiazai/20061229/3.html

　　里面有詳細的使用說明，我在這里舉一個使用的例子;

　　MYSQL表名：music

　　字段：title,tag

　　

　　require("lib_splitword_full.php");

　　$str = "這里是你要分詞的內容，一般不要超過1024KB會好一點，否則會很慢!";

　　$sp = new SplitWord();//實例化

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

　　$i=0;

　　foreach ($dd as $key=>$var) {

　　if (strlen($var)>2)//UTF8編碼的請設置為3，因為UTF8編碼的中文一般為3個字節以上，過濾單個字不保存!

　　{

　　$str.=base64_encode($var)." ";//由于MYSQL不支持中文全文索引，所以在分詞中我們必須把詞轉換成字母或者數字，這里我選擇了base64編碼

　　//當然大家還可以把中文轉成區碼，但我測試過區碼的方法，感覺很一般，所以在這樣我推薦大家使用base64

　　$i++;

　　}

　　if ($i>=50) break;//這里是設置你要存儲多少個詞組，如果是文章可能會有N多詞組，你可以設置大一點，但如果你對標題分詞的話，50個已經足夠了!

　　//這樣運行未編碼得出來的結果：這里 分詞 內容 一般 不要 超過 1024KB 一點 否則

　　//base64編碼后的結果：1eLA7w== t9a0yg== xNrI3Q== 0ruw4w== srvSqg== s6y5/Q== MTAyNEtC 0ru14w== t/HU8g==

　　}

　　?>

　　這樣我們就可以把分好詞而且轉換成編碼的分詞存進 tag 字段了，當然tag字段必須設置成全文索引 full text 而且數據表類型必須為MyISAM。

　　tag字段數據類型為CHAR和VARCHAR、text,有關如何創建MYSQL全文索引，大家可以搜索一下《mysql創建索引》遍地開花，到處都是!

　　下面的例子是根據TAG字段的內容進行全文索引查詢：

　　

　　include("Mysql.class.php");

　　$rs = $DB->get_one("select title,tag from music where id=$id");//根據ID讀取title和tag字段內容

　　$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");//這里是查詢20條相似的內容,而且按相似的排序，21是因為同一條記錄都會匹配出來!

　　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

　　以上的例子就實現了PHP+MYSQL簡單的中文分詞全文索引!

　　希望對跟我一樣的菜鳥有一定的幫助吧!

　　本人BLOG：http://hi.baidu.com/web20/

文章來自：http://www.admin5.com/article/20080717/94313.shtml