MySQL全文检索fulltext日语解析插件MeCab学习笔记

本文主要是介绍MySQL全文检索fulltext日语解析插件MeCab学习笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

MySQL原始内置的全文检索(Full-Text Search)只适用于像英文这些词语之间有天然分隔符(如空格)的自然语言,MySQL5.7.6开始引入ngram full-text parser plugin,采用手动设置词语长度的方式进行人工分词,这可以作为CJK(Chinese、Japanese、Korean)语系全文检索的手段,具体可以参考之前的使用笔记:https://blog.csdn.net/sweeper_freedoman/article/details/82847754。但手动分词最大的局限性在于分词长度完全由参数设置,是一种机械式地文本操作。与ngram同一版本,MySQL同时也引入了MeCab full-text parser plugin。“MeCab”一词取自日语“和布蕪(めかぶ)”,原意是一种深海海藻,由京都大学和日本电信电话株式会社(NTT)共同研究开发,用于将日语解析成有实际意义的词语。例如,MeCab可以将“データベース管理”(“Database Management”)分词(tokenize)为“データベース”(“Database”)和“管理”(“Management”)。除了将文本tokenize成有实际意义的单词,MeCab全文索引通常比ngram索引小,因此MeCab通常查询更快。但与ngram相比,MeCab有个缺点就是可能需要花费更多的时间进行分词。

不同于MySQL的其他插件,使用MeCab需要额外安装配置。如果使用MySQL分发的MeCab包,可以直接配置使用。具体参考官方文档:https://dev.mysql.com/doc/refman/5.7/en/fulltext-search-mecab.html。个人本地是源码安装的MySQL,编译的时候没有加进MeCab的选项,所以没办法只能重新编译安装了一遍MySQL,即cmake的时候带上“-DWITH_MECAB=system”选项。不然最后安装“libpluginmecab.so”的时候会报错文件缺失。

mysql> INSTALL PLUGIN mecab SONAME 'libpluginmecab.so';
ERROR 1126 (HY000): Can't open shared library '/usr/local/mysql/lib/plugin/libpluginmecab.so' (errno: 2 /usr/local/mysql/lib/plugin/libpluginmecab.so: cannot open shared object file: No such file or directory)

安装MeCab包括安装MeCab解析插件和MeCab字典。可以从官网下载源码编译安装:http://taku910.github.io/mecab/#download。本地源码安装MeCab字典时也出现了报错文件缺失。以下是安装记录。

tar -xzv -f mecab-0.996.tar.gz
cd mecab-0.996/ ; ls
./configure
make
make check
make install
cd ..
tar -xzv -f mecab-ipadic-2.7.0-20070801.tar.gz
cd mecab-ipadic-2.7.0-20070801 ; ls
./configure --libdir=/usr/local/lib/libmecab.so.2 --with-charset=utf-8
make****************************这里报错了****************************/usr/local/libexec/mecab/mecab-dict-index -d . -o . -f EUC-JP -t utf-8/usr/local/libexec/mecab/mecab-dict-index: error while loading shared libraries: libmecab.so.2: cannot open shared object file: No such file or directoryMakefile:253: recipe for target 'matrix.bin' failedmake: *** [matrix.bin] Error 127****************************这里报错了****************************
make clean
test -z "matrix.bin char.bin sys.dic unk.dic" || rm -f matrix.bin char.bin sys.dic unk.dic
ldconfig
./configure --with-charset=utf-8
make
make install

不过因为本地是Ubuntu系统,也可以用apt超级命令简易安装。

apt install mecab
apt install mecab-ipadic

安装完成后可以在终端命令行输入mecab命令测试一下分词情况。以下是本地输入“すもももももももものうち”后的执行输出,这个也是MeCab官网给出的示例。

root@ubuntu:~# mecab
すもももももももものうち
すもも	名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も	助詞,係助詞,*,*,*,*,も,モ,モ
もも	名詞,一般,*,*,*,*,もも,モモ,モモ
も	助詞,係助詞,*,*,*,*,も,モ,モ
もも	名詞,一般,*,*,*,*,もも,モモ,モモ
の	助詞,連体化,*,*,*,*,の,ノ,ノ
うち	名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS

接下来需要修改配置文件,包括MySQL配置文件和MeCab配置文件。

MySQL配置文件需要在[mysqld]选项组中加入MeCab配置文件“mecabrc”的路径(个人本地位于“/etc/mecabrc”)和InnoDB全文检索的最小分词长度。

[mysqld]
# Mecab relevant
loose-mecab-rc-file = /etc/mecabrc# Fulltext search relevant
innodb_ft_min_token_size=1

MeCab配置文件主要是修改指定MeCab分词用字典,这里是注掉安装默认(注释符为“;”)然后改为“juman-utf8”。

; dicdir = /var/lib/mecab/dic/debian
dicdir = /var/lib/mecab/dic/juman-utf8

配置完成后,重启MySQL服务器,然后连接MySQL安装MySQL MeCab parser plugin。

mysql> INSTALL PLUGIN mecab SONAME 'libpluginmecab.so';
Query OK, 0 rows affected (0.03 sec)mysql> SHOW PLUGINS;

以下是运行MySQL官方文档的分词示例。

mysql> USE test;
ERROR 1049 (42000): Unknown database 'test'
mysql> 
mysql> CREATE DATABASE `test`;
Query OK, 1 row affected (0.00 sec)mysql> USE test;
Database changed
mysql> CREATE TABLE articles (->       id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,->       title VARCHAR(200),->       body TEXT,->       FULLTEXT (title,body) WITH PARSER mecab->     ) ENGINE=InnoDB CHARACTER SET utf8;
Query OK, 0 rows affected (0.10 sec)mysql> SET NAMES utf8;
Query OK, 0 rows affected (0.00 sec)mysql> INSERT INTO articles (title,body) VALUES->     ('データベース管理','このチュートリアルでは、私はどのようにデータベースを管理する方法を紹介します'),->     ('データベースアプリケーション開発','データベースアプリケーションを開発することを学ぶ');
Query OK, 2 rows affected (0.07 sec)
Records: 2  Duplicates: 0  Warnings: 0mysql> SET GLOBAL innodb_ft_aux_table="test/articles";
Query OK, 0 rows affected (0.00 sec)mysql> SELECT * FROM INFORMATION_SCHEMA.INNODB_FT_INDEX_CACHE ORDER BY doc_id, position;
+--------------------------------------------+--------------+-------------+-----------+--------+----------+
| WORD                                       | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION |
+--------------------------------------------+--------------+-------------+-----------+--------+----------+
| データベース                               |            2 |           2 |         1 |      2 |        0 |
| は                                         |            2 |           2 |         1 |      2 |        9 |
| 管理                                       |            2 |           2 |         1 |      2 |       18 |
| を                                         |            2 |           3 |         2 |      2 |       21 |
| この                                       |            2 |           2 |         1 |      2 |       25 |
| チュートリアル                             |            2 |           2 |         1 |      2 |       31 |
| で                                         |            2 |           2 |         1 |      2 |       52 |
| は                                         |            2 |           2 |         1 |      2 |       55 |
| 、                                         |            2 |           2 |         1 |      2 |       58 |
| 私                                         |            2 |           2 |         1 |      2 |       61 |
| どのように                                 |            2 |           2 |         1 |      2 |       67 |
| データベース                               |            2 |           2 |         1 |      2 |       82 |
| 管理                                       |            2 |           2 |         1 |      2 |       85 |
| を                                         |            2 |           3 |         2 |      2 |      100 |
| する                                       |            2 |           3 |         2 |      2 |      109 |
| 方法                                       |            2 |           2 |         1 |      2 |      115 |
| 紹介                                       |            2 |           2 |         1 |      2 |      124 |
| し                                         |            2 |           2 |         1 |      2 |      130 |
| ます                                       |            2 |           2 |         1 |      2 |      133 |
| データベースアプリケーション               |            3 |           3 |         1 |      3 |        0 |
| を                                         |            2 |           3 |         2 |      3 |       21 |
| 開発                                       |            3 |           3 |         1 |      3 |       42 |
| データベースアプリケーション               |            3 |           3 |         1 |      3 |       49 |
| 開発                                       |            3 |           3 |         1 |      3 |       52 |
| を                                         |            2 |           3 |         2 |      3 |       91 |
| する                                       |            2 |           3 |         2 |      3 |      100 |
| こと                                       |            3 |           3 |         1 |      3 |      106 |
| 学ぶ                                       |            3 |           3 |         1 |      3 |      115 |
+--------------------------------------------+--------------+-------------+-----------+--------+----------+
28 rows in set (0.00 sec)mysql> SELECT COUNT(*) FROM articles WHERE MATCH(title,body) AGAINST('データベース管理' IN NATURAL LANGUAGE MODE);
+----------+
| COUNT(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)mysql> SELECT COUNT(*) FROM articles WHERE MATCH(title,body) AGAINST('データベース管理' IN BOOLEAN MODE);
+----------+
| COUNT(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)mysql> SELECT COUNT(*) FROM articles WHERE MATCH(title,body) AGAINST('データベース*' IN BOOLEAN MODE);
+----------+
| COUNT(*) |
+----------+
|        2 |
+----------+
1 row in set (0.00 sec)mysql> SELECT COUNT(*) FROM articles WHERE MATCH(title,body) AGAINST('"データベース管理"' IN BOOLEAN MODE);
+----------+
| COUNT(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)

 

这篇关于MySQL全文检索fulltext日语解析插件MeCab学习笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/760321

相关文章

深度解析Spring Security 中的 SecurityFilterChain核心功能

《深度解析SpringSecurity中的SecurityFilterChain核心功能》SecurityFilterChain通过组件化配置、类型安全路径匹配、多链协同三大特性,重构了Spri... 目录Spring Security 中的SecurityFilterChain深度解析一、Security

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL常用字符串函数示例和场景介绍

《MySQL常用字符串函数示例和场景介绍》MySQL提供了丰富的字符串函数帮助我们高效地对字符串进行处理、转换和分析,本文我将全面且深入地介绍MySQL常用的字符串函数,并结合具体示例和场景,帮你熟练... 目录一、字符串函数概述1.1 字符串函数的作用1.2 字符串函数分类二、字符串长度与统计函数2.1

SQL Server跟踪自动统计信息更新实战指南

《SQLServer跟踪自动统计信息更新实战指南》本文详解SQLServer自动统计信息更新的跟踪方法,推荐使用扩展事件实时捕获更新操作及详细信息,同时结合系统视图快速检查统计信息状态,重点强调修... 目录SQL Server 如何跟踪自动统计信息更新:深入解析与实战指南 核心跟踪方法1️⃣ 利用系统目录

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

全面解析Golang 中的 Gorilla CORS 中间件正确用法

《全面解析Golang中的GorillaCORS中间件正确用法》Golang中使用gorilla/mux路由器配合rs/cors中间件库可以优雅地解决这个问题,然而,很多人刚开始使用时会遇到配... 目录如何让 golang 中的 Gorilla CORS 中间件正确工作一、基础依赖二、错误用法(很多人一开

Mysql中设计数据表的过程解析

《Mysql中设计数据表的过程解析》数据库约束通过NOTNULL、UNIQUE、DEFAULT、主键和外键等规则保障数据完整性,自动校验数据,减少人工错误,提升数据一致性和业务逻辑严谨性,本文介绍My... 目录1.引言2.NOT NULL——制定某列不可以存储NULL值2.UNIQUE——保证某一列的每一

解密SQL查询语句执行的过程

《解密SQL查询语句执行的过程》文章讲解了SQL语句的执行流程,涵盖解析、优化、执行三个核心阶段,并介绍执行计划查看方法EXPLAIN,同时提出性能优化技巧如合理使用索引、避免SELECT*、JOIN... 目录1. SQL语句的基本结构2. SQL语句的执行过程3. SQL语句的执行计划4. 常见的性能优

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

SQL Server 中的 WITH (NOLOCK) 示例详解

《SQLServer中的WITH(NOLOCK)示例详解》SQLServer中的WITH(NOLOCK)是一种表提示,等同于READUNCOMMITTED隔离级别,允许查询在不获取共享锁的情... 目录SQL Server 中的 WITH (NOLOCK) 详解一、WITH (NOLOCK) 的本质二、工作