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

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

Springboot @Autowired和@Resource的区别解析

《Springboot@Autowired和@Resource的区别解析》@Resource是JDK提供的注解,只是Spring在实现上提供了这个注解的功能支持,本文给大家介绍Springboot@... 目录【一】定义【1】@Autowired【2】@Resource【二】区别【1】包含的属性不同【2】@

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

Java并发编程必备之Synchronized关键字深入解析

《Java并发编程必备之Synchronized关键字深入解析》本文我们深入探索了Java中的Synchronized关键字,包括其互斥性和可重入性的特性,文章详细介绍了Synchronized的三种... 目录一、前言二、Synchronized关键字2.1 Synchronized的特性1. 互斥2.

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分