如何让领先的通配符全文搜索在 SQL Server 中工作？

Question

注意：我正在使用 SQL 的全文搜索功能、CONTAINS 子句和所有 - * 是全文中的通配符，% 仅用于 LIKE 子句。

我已经在几个地方读到 MS SQL 不支持“前导通配符”搜索（例如使用“*overflow”来匹配“stackoverflow”）。 我正在考虑使用CLR 函数来添加正则表达式匹配，但我很想知道人们可能有哪些其他解决方案。

更多信息： 您只能在单词或短语的末尾添加星号。 - 连同我的经验经验：当匹配“myvalue”时，“my*”有效，但“(asterisk)value”返回不匹配，当进行如下简单的查询时：

SELECT * FROM TABLENAME WHERE CONTAINS(TextColumn, '"*searchterm"');

因此，我需要一种解决方法。 我只在我的网站上的实际搜索页面上使用搜索 - 所以它的工作方式需要与 Google 的工作方式基本相同（在 Joe Sixpack 类型的用户眼中）。 没有那么复杂，但这种匹配确实不应该失败。

Answer 1

仅适用于前导通配符的解决方法：

• 将反转的文本存储在不同的字段中（或在物化视图中）
• 在此列上创建全文索引

• 找到带 * 的反转文本

  SELECT * FROM TABLENAME WHERE CONTAINS(TextColumnREV, '"mrethcraes*"');

当然有很多缺点，只是为了快速解决......

更不用说 CONTAINSTABLE ...

Answer 2

前导通配符的问题：它们不能被索引，因此你正在做一个全表扫描。

Answer 3

可以在单词或短语的末尾使用通配符“*”（前缀搜索）。

例如，此查询将查找所有“datab”、“database”、“databases”...

SELECT * FROM SomeTable WHERE CONTAINS(ColumnName, '"datab*"')

但是，遗憾的是，无法使用前导通配符进行搜索。

例如，此查询将找不到“数据库”

SELECT * FROM SomeTable WHERE CONTAINS(ColumnName, '"*abase"')

Answer 4

为了让这个线程更加清晰，从我对 2008 R2 的测试来看，Franjo 是正确的。 在处理全文搜索时，至少在使用 CONTAINS 短语时，不能使用前导，只能使用尾随功能。 * 是通配符，而不是全文中的 %。

有人建议 * 被忽略。 情况似乎并非如此，我的结果似乎表明尾随 * 功能确实有效。 我认为引擎会忽略领先的 * 。

然而，我补充的问题是，在 2005 年（20 秒），使用带有通配符的全文的尾随 * 的相同查询的工作速度相对较快，并且在将数据库迁移到 2008 R2 后减慢到 12 分钟。 似乎至少有一个其他用户有类似的结果，他开始了我添加到的论坛帖子...... FREETEXT 仍然可以快速运行，但是随着 2008 进程在 CONTAINS 中尾随 * 的方式“似乎”发生了一些变化。 他们在升级顾问中给出了各种各样的警告，他们“改进”了全文，因此您的代码可能会中断，但不幸的是，他们没有就某些已弃用的代码等向您提供任何具体警告......只是免责声明，他们更改了它，使用风险自负。

http://social.msdn.microsoft.com/Forums/ar-SA/sqlsearch/thread/7e45b7e4-2061-4c89-af68-febd668f346c

也许，这是与这些问题相关的最接近的 MS 命中...... http://msdn.microsoft.com/en-us/library/ms143709.aspx

Answer 5

注意：这是我在修订 #2 中引入CONTAINS关键字之前为问题的原始版本 #1 提交的答案。 事实上它仍然是准确的。

SQL Server 中的通配符是%符号，它可以正常工作，前导、尾随或其他。

也就是说，如果您要进行任何类型的严肃全文搜索，那么我会考虑使用全文索引功能。 使用%和_通配符会导致您的数据库性能受到严重影响。

Answer 6

值得记住的一件事是，与其他通配符用法相比，领先的通配符查询带来了显着的性能溢价。

Answer 7

作为存储过程中的参数，您可以将其用作：

ALTER procedure [dbo].[uspLkp_DrugProductSelectAllByName]
(
    @PROPRIETARY_NAME varchar(10)
)
as
    set nocount on
    declare @PROPRIETARY_NAME2 varchar(10) = '"' + @PROPRIETARY_NAME + '*"'

    select ldp.*, lkp.DRUG_PKG_ID
    from Lkp_DrugProduct ldp
    left outer join Lkp_DrugPackage lkp on ldp.DRUG_PROD_ID = lkp.DRUG_PROD_ID
    where contains(ldp.PROPRIETARY_NAME, @PROPRIETARY_NAME2)

Answer 8

仅供参考，谷歌不会进行任何子字符串搜索或截断，无论是向右还是向左。 他们有一个通配符 * 来查找短语中的未知单词，但不是单词。

谷歌与大多数全文搜索引擎一起，根据单词的字母顺序建立一个倒排索引，并提供指向其源文档的链接。 二分搜索速度非常快，即使对于巨大的索引也是如此。 但是在这种情况下做左截断真的很难，因为它失去了索引的优势。

Answer 9

也许以下链接将提供通配符使用的最终答案： 执行 FTS 通配符搜索。

请注意以下段落：“但是，如果您指定“链”或“链” ，您将不会得到预期的结果。星号将被视为正常的标点符号而不是通配符。“

Answer 10

如果您可以访问全文搜索引擎的单词列表，则可以在此列表上进行“喜欢”搜索，并将数据库与找到的单词进行匹配，例如包含以下单词的表“单词”：

    pie
    applepie
    spies
    cherrypie
    dog
    cat

要在具有字段 'text' 的 fts 表 'full_text' 上匹配此数据库中包含 'pie' 的所有单词：

    to-match <- SELECT word FROM words WHERE word LIKE '%pie%'
    matcher = ""
    a = ""
    foreach(m, to-match) {
      matcher += a
      matcher += m
      a = " OR "
    }
    SELECT text FROM full_text WHERE text MATCH matcher

Answer 11

谈到全文搜索，就我而言，没有什么比Lucene更好的了。 有一个.Net 端口可用，它与使用 Java 版本创建的索引兼容。

创建/维护索引需要做一些工作，但搜索速度非常快，您可以创建各种有趣的查询。 甚至索引速度也相当不错——我们只是每天完全重建我们的索引一次，而不用担心更新它们。

例如，此搜索功能由 Lucene.Net 提供支持。

Answer 12

% 匹配任意数量的字符 _ 匹配单个字符

我从未使用过全文索引，但您只需使用内置的 T-SQL 字符串函数即可完成相当复杂且快速的搜索查询。

Answer 13

来自 SQL Server 联机丛书：

要在 Microsoft SQL Server 2005 中编写全文查询，您必须学习如何使用 CONTAINS 和 FREETEXT Transact-SQL 谓词以及 CONTAINSTABLE 和 FREETEXTTABLE 行集值函数。

这意味着上面用 % 和 _ 编写的所有查询都不是有效的全文查询。

以下是调用 CONTAINSTABLE 函数时查询的示例。

SELECT RANK , * FROM TableName , CONTAINSTABLE (TableName, *, '"*WildCard" ') searchTable WHERE [KEY] = TableName.pk ORDER BY searchTable.RANK DESC

为了让 CONTAINSTABLE 函数知道我正在使用通配符搜索，我必须将它用双引号括起来。 我可以在开头或结尾使用通配符 *。 在为 CONTAINSTABLE 函数构建搜索字符串时，您还可以执行许多其他操作。 您可以搜索另一个词附近的一个词，搜索屈折词（驱动=驱动、驱动、驱动和驱动），并搜索另一个词的同义词（金属可以有铝和钢等同义词）。

我刚刚创建了一个表，在表上放置了一个全文索引，并进行了几次测试搜索并且没有出现问题，因此通配符搜索按预期工作。

[更新]

我看到您已经更新了您的问题，并且知道您需要使用其中一项功能。

您仍然可以在开头使用通配符进行搜索，但如果该单词不是通配符后面的完整单词，则必须在末尾添加另一个通配符。

Example:  "*ildcar" will look for a single word as long as it ends with "ildcar".

Example:  "*ildcar*" will look for a single word with "ildcar" in the middle, which means it will match "wildcard".  [Just noticed that Markdown removed the wildcard characters from the beginning and ending of my quoted string here.]

[更新#2]

Dave Ward - 将通配符与其中一个功能一起使用不应该是一个巨大的性能打击。 如果我只用“*”创建了一个搜索字符串，它不会返回所有行，在我的测试用例中，它返回 0 条记录。