12.9.4 Стоп-слова полнотекстового поиска
Список стоп-слов загружается и используется для поиска в полнотекстовых запросах с использованием кодировки и сортировки сервера (значения системных переменных character_set_server и collation_server). При поиске стоп-слов могут возникнуть ложные срабатывания или пропуски, если файл стоп-слов или столбцы, используемые для полнотекстового индексирования или поиска, имеют кодировку или сортировку, отличную от character_set_server или collation_server.
Чувствительность к регистру при поиске стоп-слов зависит от сортировки сервера. Например, поиск нечувствителен к регистру, если сортировка равна latin1_swedish_ci, в то время как поиск чувствителен к регистру, если сортировка равна latin1_general_cs или latin1_bin.
Стоп-слова для индексов поиска InnoDB
InnoDB имеет относительно короткий список стандартных стоп-слов, потому что документы из технических, литературных и других источников часто используют короткие слова в качестве ключевых слов или в значимых фразах. Например, вы можете искать “быть или не быть” и ожидать получения осмысленного результата, а не игнорирования всех этих слов.
Чтобы увидеть стандартный список стоп-слов InnoDB, запросите таблицу Информационной схемы INNODB_FT_DEFAULT_STOPWORD.
mysql> SELECT * FROM INFORMATION_SCHEMA.INNODB_FT_DEFAULT_STOPWORD;
+-------+
| value |
+-------+
| a |
| about |
| an |
| are |
| as |
| at |
| be |
| by |
| com |
| de |
| en |
| for |
| from |
| how |
| i |
| in |
| is |
| it |
| la |
| of |
| on |
| or |
| that |
| the |
| this |
| to |
| was |
| what |
| when |
| where |
| who |
| will |
| with |
| und |
| the |
| www |
+-------+
36 rows in set (0.00 sec) Чтобы определить свой собственный список стоп-слов для всех InnoDB таблиц, определите таблицу с такой же структурой, как таблица INNODB_FT_DEFAULT_STOPWORD, заполните ее стоп-словами и установите значение параметра innodb_ft_server_stopword_table на значение в формате db_name/table_nameVARCHAR с именем value. Следующий пример демонстрирует создание и настройку новой глобальной таблицы стоп-слов для InnoDB.
-- Create a new stopword table
mysql> CREATE TABLE my_stopwords(value VARCHAR(30)) ENGINE = INNODB;
Query OK, 0 rows affected (0.01 sec)
-- Insert stopwords (for simplicity, a single stopword is used in this example)
mysql> INSERT INTO my_stopwords(value) VALUES ('Ishmael');
Query OK, 1 row affected (0.00 sec)
-- Create the table
mysql> CREATE TABLE opening_lines (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
opening_line TEXT(500),
author VARCHAR(200),
title VARCHAR(200)
) ENGINE=InnoDB;
Query OK, 0 rows affected (0.01 sec)
-- Insert data into the table
mysql> INSERT INTO opening_lines(opening_line,author,title) VALUES
('Call me Ishmael.','Herman Melville','Moby-Dick'),
('A screaming comes across the sky.','Thomas Pynchon','Gravity\'s Rainbow'),
('I am an invisible man.','Ralph Ellison','Invisible Man'),
('Where now? Who now? When now?','Samuel Beckett','The Unnamable'),
('It was love at first sight.','Joseph Heller','Catch-22'),
('All this happened, more or less.','Kurt Vonnegut','Slaughterhouse-Five'),
('Mrs. Dalloway said she would buy the flowers herself.','Virginia Woolf','Mrs. Dalloway'),
('It was a pleasure to burn.','Ray Bradbury','Fahrenheit 451');
Query OK, 8 rows affected (0.00 sec)
Records: 8 Duplicates: 0 Warnings: 0
-- Set the innodb_ft_server_stopword_table option to the new stopword table
mysql> SET GLOBAL innodb_ft_server_stopword_table = 'test/my_stopwords';
Query OK, 0 rows affected (0.00 sec)
-- Create the full-text index (which rebuilds the table if no FTS_DOC_ID column is defined)
mysql> CREATE FULLTEXT INDEX idx ON opening_lines(opening_line);
Query OK, 0 rows affected, 1 warning (1.17 sec)
Records: 0 Duplicates: 0 Warnings: 1 Убедитесь, что указанное стоп-слово ('Ишмаэль') не отображается, запросив таблицу Информационной схемы INNODB_FT_INDEX_TABLE.
По умолчанию слова длиной менее 3 символов или более 84 символов не отображаются в полнотекстовом индексе поиска InnoDB. Максимальное и минимальное значения длины слов можно настроить с помощью переменных innodb_ft_max_token_size и innodb_ft_min_token_size. Это поведение по умолчанию не применяется к плагину анализатора ngram. Размер токена ngram определяется параметром ngram_token_size.
mysql> SET GLOBAL innodb_ft_aux_table='test/opening_lines';
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT word FROM INFORMATION_SCHEMA.INNODB_FT_INDEX_TABLE LIMIT 15;
+-----------+
| word |
+-----------+
| across |
| all |
| burn |
| buy |
| call |
| comes |
| dalloway |
| first |
| flowers |
| happened |
| herself |
| invisible |
| less |
| love |
| man |
+-----------+
15 rows in set (0.00 sec) Чтобы создавать списки стоп-слов на основе отдельных таблиц, создавайте другие таблицы стоп-слов и используйте параметр innodb_ft_user_stopword_table для указания нужной таблицы стоп-слов перед созданием полнотекстового индекса.
Стоп-слова для индексов поиска MyISAM
Файл стоп-слов загружается и используется с использованием latin1, если character_set_server равно ucs2, utf16, utf16le или utf32.
Чтобы переопределить стандартный список стоп-слов для таблиц MyISAM, установите системную переменную ft_stopword_file. (См. Раздел 5.1.7, «Системные переменные сервера».) Значение переменной должно быть путем к файлу, содержащему список стоп-слов, или пустой строкой для отключения фильтрации стоп-слов. Сервер ищет файл в каталоге данных, если не указан абсолютный путь к другому каталогу. После изменения значения этой переменной или содержимого файла стоп-слов перезапустите сервер и перестройте ваши индексы FULLTEXT.
Список стоп-слов имеет свободный формат, разделяя стоп-слова любым неалфавитно-цифровым символом, таким как перевод строки, пробел или запятая. Исключениями являются символ подчеркивания (_) и одиночная апостроф ('), которые обрабатываются как часть слова. Кодировка списка стоп-слов — это стандартная кодировка сервера; см. Раздел 10.3.2, «Кодировка и сортировка сервера».
В следующем списке показаны стандартные стоп-слова для индексов поиска MyISAM. В дистрибутиве MySQL вы можете найти этот список в файле storage/myisam/ft_static.c.
a's able about above according
accordingly across actually after afterwards
again against ain't all allow
allows almost alone along already
also although always am among
amongst an and another any
anybody anyhow anyone anything anyway
anyways anywhere apart appear appreciate
appropriate are aren't around as
aside ask asking associated at
available away awfully be became
because become becomes becoming been
before beforehand behind being believe
below beside besides best better
between beyond both brief but
by c'mon c's came can
can't cannot cant cause causes
certain certainly changes clearly co
com come comes concerning consequently
consider considering contain containing contains
corresponding could couldn't course currently
definitely described despite did didn't
different do does doesn't doing
don't done down downwards during
each edu eg eight either
else elsewhere enough entirely especially
et etc even ever every
everybody everyone everything everywhere ex
exactly example except far few
fifth first five followed following
follows for former formerly forth
four from further furthermore get
gets getting given gives go
goes going gone got gotten
greetings had hadn't happens hardly
has hasn't have haven't having
he he's hello help hence
her here here's hereafter hereby
herein hereupon hers herself hi
him himself his hither hopefully
how howbeit however i'd i'll
i'm i've ie if ignored
immediate in inasmuch inc indeed
indicate indicated indicates inner insofar
instead into inward is isn't
it it'd it'll it's its
itself just keep keeps kept
know known knows last lately
later latter latterly least less
lest let let's like liked
likely little look looking looks
ltd mainly many may maybe
me mean meanwhile merely might
more moreover most mostly much
must my myself name namely
nd near nearly necessary need
needs neither never nevertheless new
next nine no nobody non
none noone nor normally not
nothing novel now nowhere obviously
of off often oh ok
okay old on once one
ones only onto or other
others otherwise ought our ours
ourselves out outside over overall
own particular particularly per perhaps
placed please plus possible presumably
probably provides que quite qv
rather rd re really reasonably
regarding regardless regards relatively respectively
right said same saw say
saying says second secondly see
seeing seem seemed seeming seems
seen self selves sensible sent
serious seriously seven several shall
she should shouldn't since six
so some somebody somehow someone
something sometime sometimes somewhat somewhere
soon sorry specified specify specifying
still sub such sup sure
t's take taken tell tends
th than thank thanks thanx
that that's thats the their
theirs them themselves then thence
there there's thereafter thereby therefore
therein theres thereupon these they
they'd they'll they're they've think
third this thorough thoroughly those
though three through throughout thru
thus to together too took
toward towards tried tries truly
try trying twice two un
under unfortunately unless unlikely until
unto up upon us use
used useful uses using usually
value various very via viz
vs want wants was wasn't
way we we'd we'll we're
we've welcome well went were
weren't what what's whatever when
whence whenever where where's whereafter
whereas whereby wherein whereupon wherever
whether which while whither who
who's whoever whole whom whose
why will willing wish with
within without won't wonder would
wouldn't yes yet you you'd
you'll you're you've your yours
yourself yourselves zero
© 2025 Oracle
Licensed under the GPLv2 License.
