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個方案，例如：文件檢索法、採用SQL的like語句等方法，但這些方法效率都相當的低。
這裡介紹一種比較有效率的PHP全文檢索實作方法，這就是採用MYSQL的FULLTEXT欄位類型。但MYSQL的FULLTEXT欄位對中文的支援不是很好，本文也一併介紹如何透過PHP+MYSQL實作中文全文檢索功能。
首先需要用到一個PHP中文分詞擴充模組??SCWS，關於這個模組的安裝和使用大家可以到www.ftphp.com/scws去尋找相關內容（如有問題請留言）。
接著再看看mysql的fulltext欄位類型的相關資訊：
MySQL3.23.23之後的版本開始支援全文索引和搜尋。全文索引在 MySQL 中是一個 FULLTEXT 類型索引。
FULLTEXT 索引用於 MyISAM 表，可以在 CREATE TABLE 時或之後使用 ALTER TABLE 或 CREATE INDEX 在 CHAR、VARCHAR 或 TEXT 欄位上建立。對於大的資料庫，將資料裝載到一個沒有 FULLTEXT 索引的表中，然後再使用 ALTER TABLE (或 CREATE INDEX) 建立索引，這將是非常快的。將資料裝載到一個已經有 FULLTEXT 索引的表中，將會是非常慢的。
MYSQL全文搜尋透過 MATCH() 函數完成。
下面舉一簡單例子：
1、新建資料表：
CREATE TABLE fulltext_sample(copy TEXT,FULLTEXT(copy)) TYPE=MyISAM;
這裡的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，也可以透過alert來添加，如：
ALTER TABLE fulltext_sample ADD FULLTEXT(copy)
2、插入資料：
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、資料擷取：
SELECT * FROM fulltext_sample WHERE MATCH(copy) AGAINST('love');
上面就是mysql的全文檢索功能，注意：在全文索引上搜尋是不區分大小寫的。
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並不會用空格隔開，因此我們需要對中文進行分詞，這也就是為什麼上面需要強詞用到中文分詞擴充模組。
但是儘管對中文進行分詞，MYSQL還是不能透過MATCH來實現中文的全文檢索，這需要透過一定的方法來進行轉換，一個比較簡單實用的方法是採用下面這個函數（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 $data_code;
}將轉換過後的內容儲存至事先定義好的fulltext欄位。同樣，在查詢的時候也需要將查詢的關鍵字進行同樣方法的轉換。
PHP+Mysql實現UTF8全文搜尋的方法
本文講解一下如何在海量的資料中能夠快速的進行全文檢索呢？ MySQL提供了一個全文索引功能，也就是把欄位設定上FULLTEXT索引屬性，然後透過SELECT的MATCH AGAINST語句來找出。
我們開發的一個純英文網站TouchUs - The Global Yellow Pages & Business Directory（www.touchus.org）就是利用MySQL的這項功能，實現了對十多萬個資料的平均全文檢索時間小於0.5秒。但在開發TouchUs的中文網站??城市黃頁網時（www.city39.cn），碰到了新的問題。原來英文排版時詞和詞之間是透過空格區分的，FULLText可以完全支持，但是對中文或者是東亞文字就沒有這麼簡單了，因為中文的詞和詞之間並沒有明顯的分隔，所以MySQL不支援中文字元的全文檢索。
如何讓MySQL也能支援中文的全文檢索呢？偶然間產生了一個思路，那就是能不能在中文分詞後，透過對中文進行編碼轉化成英文字符，這樣就在中英文間建立一個特定的聯繫，然後再進行全文檢索，這樣不就實現了中文的全文索引了嗎？經過試驗，答案是肯定的。以下是在城市黃頁網中實現的具體過程：
1. 建立一個單獨的索引表，例如對應members表，我們建立一個members_index表。
用戶信息表(members) 用戶信息全文索引表(members_index)
User_id user_id
User_name index_intro
User_introduction
在members_index表的index_intro中加入fulltext索引。
2. 對使用者資訊表（members）的User_introduction欄位內容進行中文分詞處理
中文分词的处理过程，可以参考简易中文分词系统http://www.ftphp.com/scws/，在城市黄页网中，我们采用了scws的PHP扩展模块方式来实现中文分词。scws的php扩展模块安装非常简单，只需简单编译配置后即可使用。在具体的php代码中，我们写了如下的函数来实现分词后将分词结果用空格进行连接。
//中文分词函数
function str_fc($str) {
$so = scws_new();
$so->set_charset('utf8');
// 这里没有调用 set_dict 和 set_rule 系统会自动试调用 ini 中指定路径下的词典和规则文件
$so->send_text($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;
}该函数返回就是用空格连接的分词结果。
3. 对分词结果进行编码，可以采用多种编码方式，比如base64编码、urlencode编码、汉字转拼音等，对gb2312甚至可以采用区位码编码方式。考虑到存储空间以及便利性，我们采用了PHP的urlencode编码方式。需要注意的是，在编码前，我们可以去掉重复的分词来节约存储空间，编码后要去掉编码结果中的%符号，因为urlencode采用RFC 1738???行编码，会产生很多%，而%在MySQL是通配符。下面是编码过程用到的PHP代码
$data = str_fc($data); //中文分词
$data = array_filter(explode(" ",$data)); //删除数组空项
$data = array_flip(array_flip($data)); //删除重复项
//对分词结果进行urlcode编码
foreach ( $data as $ss ) {
if (strlen($ss)>1 )
$data_code .= str_replace("%","",urlencode($ss)) . " ";
}这里的$data_code就是编码后的结果。把编码结果根据user_id存入用户信息全文索
引表(members_index)
4. 在进行搜索处理时，首先对用户输入的关键字进行同样的分词编码处理，然后通过MySQL的SELECT的MATCH AGAINST语句进行全文快速检索，根据检索结的user_id即可调用用户信息表(members)中的原始数据进行显示，而没有必要进行一次解码重组。
以上MySQL UTF8中文全文检索方法.
