如何搜索允许标记的数据库列？

Question

可以使用 markdown、bbcode、html 等将文本存储在数据库中。我应该从搜索词中删除任何允许的标签吗？您的标记解析器是否有任何方法可以协助完成该任务？

我打算使用 like '%searchword%' 查询。全文搜索对这种简单的文本搜索有什么好处吗？

更新：似乎有很多方法可以做到这一点。我会再澄清一下我的情况。这是一个公司的招聘网站，大约有 5 或 7 个 varchar 列可供搜索（其中 4 个允许标记），在任何给定时间大约有 150 个有效的招聘信息。

Answer 1

如果您的文本中有任何类型的标记（例如 HTML），则在索引和搜索期间您可能无法获得很高的语言准确性。在这种情况下，您有两种选择——首选方法是将文本数据简单地存储在 varbinary(max) 列中，并指明其文档类型以便对其进行过滤。如果这不是一个选项，您可以考虑使用中性分词器，并在可能的情况下将标记数据（例如 HTML 中的“br”）添加到干扰词列表中。

另见：

• SQL Server 2005 Full Text Search on HTML documents

替代方案：

• Lucene.Net

Answer 2

我会使用一些外部全文搜索工具——例如，Lucene。

Answer 3

我会将该字段的条带版本存储在单独的字段中并使用全文索引搜索。剥离的字段将使用触发器更新到最新版本