在 MySQL 全文搜索中忽略 & 符号的 HTML 实体

Question

我有很多数据正在使用 HTML 实体 & 输入到记录中。对单词“amp”进行全文搜索将导致显示包含& 的记录，这是非常不可取的。

这大概是因为 MySQL 忽略了 '&' 和 ';'。那么有人知道在 MySQL 中有什么方法可以强制它把特殊字符当作单词的一部分，这样我对“amp”的搜索就不会包括所有带有& 的结果——理想情况下是没有 某种形式的子查询或额外的 WHERE 子句？

到目前为止，我的解决方案（尚未实现）是对 INSERT 上的实体进行解码，并在 Web 上显示时对其重新编码。这没关系，但如果可能的话，我想避免的一切都会增加一些开销。它也适用于新条目，但我需要将其回溯到近 700 万条记录...如果我能提供帮助，我有点不想必须这样做。

--

我用以下内容更新了我的 my.cnf 文件：

ft_stopword_file = /etc/mysql/custom-stopwords

此文件是否需要任何特殊权限？

Answer 1

您的“在 INSERT 上解码 HTML 实体并在输出时对其进行编码”是您最好的选择，这也将处理诸如 " 之类的事情。在此过程中，您可能还想去掉 HTML 标记，以防止 MySQL 在属性值中查找内容。

如果速度和格式是一个问题，那么您可以将 text/plain 版本放在单独的列中，然后将全文索引放在上面，让其他所有内容都使用 text/html 版本。当然，您必须同时维护两个列，并且您的存储需求会上升； OTOH，这种方法可以让您在索引中添加标签、作者姓名和其他额外的有趣数据，而不会弄乱您显示的文本。

同时，在将ft_stopword_file 添加到配置文件后，您是否重建了全文索引？ AFAIK，停用词是在进入索引的过程中应用的，而不是在查询索引时应用。

Answer 2

也许您需要专门忽略这些。尝试将-& 包含在您的全文查询中。另一种选择，我不确定是否需要更改 MySql 源代码是将 amp 和 & 添加到 MySql 的停用词列表中

Answer 3

您将它添加到停用词文件中但它不起作用？听起来像是 MySQL 中的错误或您的停用词列表没有被使用。你看过this吗？引用：

可能会发生错误命中或未命中 停用词查找，如果停用词文件 或用于全文索引的列 或搜索具有字符集或 整理不同于 character_set_server 或 collat​​ion_server。

停用词查找区分大小写 取决于服务器排序规则。为了 例如，查找不区分大小写 如果排序规则是 latin1_swedish_ci， 而查找是区分大小写的，如果 排序规则是 latin1_general_cs 或 latin1_bin.

这些可能性中的任何一种是否会影响您输入 & 的停用词？没有被阅读？