MySQL 5.7+ 使用 ngram 实现中文全文检索

1. 准备数据表与创建全文索引

在使用 ngram 之前，确保你的表引擎为 InnoDB，且字符集支持 UTF-8（通常使用 utf8mb4）。可以在建表语句的 FULLTEXT KEY 定义末尾指定 WITH PARSER 'ngram'。

CREATE TABLE `tbl_article_content` (
  `id` bigint(40) NOT NULL AUTO_INCREMENT,
  `article_title` varchar(60) COMMENT '标题',
  `article_summary` varchar(120) COMMENT '摘要',
  `article_content` text NOT NULL COMMENT '正文内容',
  `create_date` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`) USING BTREE,
  FULLTEXT KEY `ft_content` (`article_content`) WITH PARSER `ngram`
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

关键点说明：

• 解析器指定：WITH PARSER 'ngram' 明确告诉 MySQL 使用该分词器处理该列。
• 最小长度限制：ngram 默认最小搜索长度为 2 个字符（即“二分”切分）。例如搜索 “人工智能”，会拆分为 “人工”、“工智”、“智能”。可通过全局变量 ngram_token_size 调整，但需注意磁盘占用增加。

2. 动态添加全文索引

如果已经创建了表，可以通过 ALTER TABLE 追加全文索引，同样需要指定解析器：

ALTER TABLE `tbl_article_content`
ADD FULLTEXT INDEX `idx_ngram_content` (`article_content`) WITH PARSER `ngram`;

3. 导入测试数据

插入包含中文内容的记录：

INSERT INTO `tbl_article_content` (`article_title`, `article_content`) VALUES 
('AI技术趋势', '近年来人工智能技术在各个行业得到了广泛应用。'),
('深度学习基础', '卷积神经网络是图像识别的核心算法之一。');

4. 执行中文全文检索

使用 MATCH ... AGAINST 语法进行自然语言搜索（Natural Language Mode）：

SELECT * FROM tbl_article_content 
WHERE MATCH(article_content) AGAINST('人工智能'); 

由于 ngram 的分词特性：

• 连续匹配：输入“人工智能”，因为包含了连续的子串组合，能命中第一条数据。
• 短词过滤：如果你搜索单个汉字如 “人”，可能不会返回结果，因为默认 ngram_token_size = 2，系统认为 1 个字不足以构成有意义的 token。

5. 进阶：布尔模式与修改搜索大小

布尔全文搜索 (Boolean Full-Text Search)

若需要进行更复杂的逻辑判断（如排除特定词），可使用 IN BOOLEAN MODE：

SELECT * FROM tbl_article_content 
WHERE MATCH(article_content) AGAINST('人工智能 -深度' IN BOOLEAN MODE);

这会查找包含“人工智能”但不包含“深度”的记录。

调整 Ngram Token Size

若业务场景需要按单字（如搜索“电”）进行搜索，可修改全局变量（重启后失效，建议写入 my.cnf）：

SET GLOBAL ngram_token_size = 1;

注意：修改此参数后，现有的 ngram 全文索引将不可用，必须重建所有相关表的全文索引，否则查询会报错或结果为空。

总结

对于中小型项目，利用 MySQL 5.7+ 的 ngram 解析器可以避免引入 ES 带来的架构复杂性。虽然它在分词粒度上不如专业分词器灵活，但足以应对大多数基于关键词匹配的业务需求。关键在于理解其 ngram_token_size 的限制以及适用 Match...Against 的标准语法。以上就是 MySQL 5.7+ 使用 ngram 实现中文全文检索的详细内容，更多关于 MySQL 全文索引优化的资料请关注本站其它相关文章！