使用分詞類庫，分詞類庫請參見：http://www.xunsearch.com/scws/

如何使用PHP實現全文檢索功能？
很多人可能馬上可以想出幾種方案，比如：文件檢索法、采用SQL的like語句等方法，但這些方法效率都相當的低。
這里介紹一種比較高效的PHP全文檢索實現方法，這就是采用MYSQL的FULLTEXT字段類型。但是MYSQL的FULLTEXT字段對中文的支持不是很好，本文也一并介紹如何通過PHP+MYSQL實現中文全文檢索功能。
首先需要用到一個PHP中文分詞擴展模塊——SCWS，關于這個模塊的安裝和使用大家可以到www.ftphp.com/scws去查找相關內容（如有問題請留言）。
然后再看看mysql的fulltext字段類型的相關信息：
html' target='_blank'>MySQL3.23.23之后的版本開始支持全文索引和搜索。全文索引在 MySQL 中是一個 FULLTEXT 類型索引。
FULLTEXT 索引用于 MyISAM 表，可以在 CREATE TABLE 時或之后使用 ALTER TABLE 或 CREATE INDEX 在 CHAR、VARCHAR 或 TEXT 列上創建。對于大的數據庫，將數據裝載到一個沒有 FULLTEXT 索引的表中，然后再使用 ALTER TABLE (或 CREATE INDEX) 創建索引，這將是非常快的。將數據裝載到一個已經有 FULLTEXT 索引的表中，將是非常慢的。

MYSQL全文搜索通過 MATCH() 函數完成。
下面舉一簡單例子：
1、新建數據表：
CREATE TABLE fulltext_sample(copy TEXT,FULLTEXT(copy)) TYPE=MyISAM;
這里的copy就是一個fulltext類型的字段，如果建表的時候沒有添加全文檢索字段，也可以通過alert來添加，如：
ALTER TABLE fulltext_sample ADD FULLTEXT(copy)
2、插入數據：
INSERT INTO fulltext_sample VALUES
('It appears good from here'),
('The here and the past'),
('Why are we hear'),
('An all-out alert'),
('All you need is love'),
('A good alert');
3、數據檢索：
SELECT * FROM fulltext_sample WHERE MATCH(copy) AGAINST('love');
上面就是mysql的全文檢索功能，注意：在全文索引上進行搜索是不區分大小寫的。

下面再看如何實現中文全文檢索。
fulltext字段是以詞語為單位，詞語之間需要用空格隔開，而漢語的句子中各個詞語之間并不會用空格隔開，因此我們需要對中文進行分詞，這也就是為什么上面需要強詞用到中文分詞擴展模塊。
但是盡管對中文進行分詞，MYSQL還是不能通過MATCH來實現中文的全文檢索，這需要通過一定的方法來進行轉換，一個比較簡單實用的方法是采用下面這個函數（當然還有更好的），它將中文進行了urlencode轉換。
function q_encode($str)
{
$data = array_filter(explode(" ",$str));
$data = array_flip(array_flip($data));
foreach ($data as $ss) {
if (strlen($ss)>1 )
$data_code .= str_replace("%","",urlencode($ss)) . " ";
}
$data_code = trim($data_code);
return $data_code;
}
將轉換過后的內容保存至事先定義好的fulltext字段。同樣，在查詢的時候也需要將查詢的關鍵詞進行同樣方法的轉換。

PHP+Mysql實現UTF8全文搜索的方法

我們開發的一個純英文站點TouchUs - The Global Yellow Pages & Business Directory（www.touchus.org）就是利用MySQL的這一功能，實現了對十多萬條數據的平均全文檢索時間小于0.5秒。但是在開發TouchUs的中文網站——城市黃頁網時（www.city39.cn），碰到了新的問題。原來英文排版時詞和詞之間是通過空格區分的，FULLText可以完全支持，但是對中文或者是東亞文字就沒有這么簡單了，因為中文的詞和詞之間并沒有明顯的分隔，所以MySQL不支持中文字符的全文檢索。

如何讓MySQL也能支持中文的全文檢索呢？偶然間產生了一個思路，那就是能不能在中文分詞后，通過對中文進行編碼轉化成英文字符，這樣就在中英文間建立一個特定的聯系，然后再進行全文檢索，這樣不就實現了中文的全文索引了嗎？經過試驗，答案是肯定的。下面是在城市黃頁網中實現的具體過程：

1. 建立一個單獨的索引表，比如對應members表，我們建立一個members_index表。

用戶信息表(members) 用戶信息全文索引表(members_index)

User_id user_id

User_name index_intro

User_introduction

在members_index表的index_intro中加入fulltext索引。

2. 對用戶信息表（members）的User_introduction字段內容進行中文分詞處理

中文分詞的處理過程，可以參考簡易中文分詞系統http://www.ftphp.com/scws/，在城市黃頁網中，我們采用了scws的PHP擴展模塊方式來實現中文分詞。scws的php擴展模塊安裝非常簡單，只需簡單編譯配置后即可使用。在具體的php代碼中，我們寫了如下的函數來實現分詞后將分詞結果用空格進行連接。

//中文分詞函數

function str_fc($str) {

$so = scws_new();

$so->set_charset('utf8');

// 這里沒有調用 set_dict 和 set_rule 系統會自動試調用 ini 中指定路徑下的詞典和規則文件

$so->send_text($str);

while ($tmp = $so->get_result())

{

foreach ( $tmp as $ss ){

$s = trim($ss[word]);

if ( $s )

$mystr .= trim($ss[word]) . " ";

//echo urlencode(trim($ss[word])) . " ";

}

}

return $mystr;

}

該函數返回就是用空格連接的分詞結果。

3. 對分詞結果進行編碼，可以采用多種編碼方式，比如base64編碼、urlencode編碼、漢字轉拼音等，對gb2312甚至可以采用區位碼編碼方式。考慮到存儲空間以及便利性，我們采用了PHP的urlencode編碼方式。需要注意的是，在編碼前，我們可以去掉重復的分詞來節約存儲空間，編碼后要去掉編碼結果中的%符號，因為urlencode采用RFC 1738???行編碼，會產生很多%，而%在MySQL是通配符。下面是編碼過程用到的PHP代碼

$data = str_fc($data); //中文分詞

$data = array_filter(explode(" ",$data)); //刪除數組空項

$data = array_flip(array_flip($data)); //刪除重復項

//對分詞結果進行urlcode編碼

foreach ( $data as $ss ) {

if (strlen($ss)>1 )

$data_code .= str_replace("%","",urlencode($ss)) . " ";

}

這里的$data_code就是編碼后的結果。把編碼結果根據user_id存入用戶信息全文索

引表(members_index)

4. 在進行搜索處理時，首先對用戶輸入的關鍵字進行同樣的分詞編碼處理，然后通過MySQL的SELECT的MATCH AGAINST語句進行全文快速檢索，根據檢索結的user_id即可調用用戶信息表(members)中的原始數據進行顯示，而沒有必要進行一次解碼重組。

以上MySQL UTF8中文全文檢索方法.

全文檢索工具：http://www.xunsearch.com

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。