如何制作一个不区分大小写的部分文本搜索引擎，它使用带有 MongoDB 和 PHP 的正则表达式？

Question

我正在尝试改进我的应用程序中的搜索栏。 如果用户现在在搜索栏中输入“泰坦”，应用程序将在每次我使用以下正则表达式 function 时从 MongoDB 检索电影“泰坦尼克号”：

require 'dbconnection.php';
if ($_SERVER["REQUEST_METHOD"] == "POST") {
   $input= $_REQUEST['input'];
$query=$collection->find(['movie' => new MongoDB\BSON\Regex($input)]);
}

我还可以通过在 Mongo shell 中创建以下索引来使 collections 不区分大小写，因此如果用户在搜索栏中键入“tiTAnIc”，应用程序将从 Z206E37108AF092FDAC771D12F 检索电影“泰坦尼克号”：

db.createCollection("c1", { collation: { locale: 'en_US', strength: 2 } } )
db.c1.createIndex( { movie: 1 } )

但是，我无法同时结合这两个功能。 当我将查询更改为此时，上面的索引只会删除区分大小写：

$query=$collection->find( [ 'movie' => $input] );

如果我将顶部的正则表达式查询与整理索引一起使用，它将忽略正则表达式部分，因此如果我输入“Titan”，它不会检索任何内容； 但是，如果我输入“泰坦尼克号”，它将成功检索“泰坦尼克号”（因为“泰坦尼克号”是存储在我的数据库中的确切单词）。

有什么建议吗？

Answer 1

注意：索引列上的正则表达式搜索会影响性能，如$regex docs所述：

不区分大小写的正则表达式查询通常不能有效地使用索引。 $regex 实现不支持排序规则，并且无法使用不区分大小写的索引。

您的问题是 MongoDB 在$regex上使用前缀（例如： /^acme/ ）来查找索引。

对于区分大小写的正则表达式查询，如果字段存在索引，则 MongoDB 将正则表达式与索引中的值进行匹配，这可能比集合扫描更快。 如果正则表达式是“前缀表达式”，则可以进行进一步优化，这意味着所有可能的匹配都以相同的字符串开头。 这允许 MongoDB 从该前缀构造一个“范围”，并且仅匹配索引中落在该范围内的那些值。

所以需要这样改：

$query=$collection->find(['movie' => new MongoDB\BSON\Regex('^'.$input, 'i')]);

我建议你更仔细地设计你的收藏。

有关的：

• https://stackoverflow.com/a/46228114/6118551
• https://scalegrid.io/blog/mongodb-regular-expressions-indexes-performance/