SQlite源码分析

全文索引

创建一个搜索索引通常情况如下:

 • 把文本分解成记号。

 • 转换为小写字母。

 • 确定根词。

 • 建立索引。

默认情况下,SQLite提供了两个基本的分词器,Simple和Porter。它们可以控制字的分开方式。Simple根据空格和标点符号将文本分解成不同的记号。Porter是专为英文使用而设计,它可以将大量的文字扩展化解为基础形式。例如,condolidate,consolidated,和consolidating这一类词语都会被转变成consolid。

遗憾的是,SQLite目前还没有取消停用词。所以常用词,例如,the,of和to仍位于索引内。这会极大地扩充索引的范畴并减缓搜索速度。最简单的解决办法是,在按下确认检索之前手动除去停用词。

下面是创建全文索引的代码。 SQLite之所以做到这些,是因为它通过使用FTS扩展建立一个虚拟表。只有文本列位于这个虚拟表以内时,才可以被搜索,并且最后一列用来识别使用的分词器类型。

 ```

  CREATE VIRTUAL TABLE example

  USING FTS3(title TEXT, TOKENIZE SIMPLE)

  ```

创建表后,使用SELECT, INSERT,UPDATE和DELETE语句询问此表。此处要附加说明的是:没有进一步的索引可以建立在表格上,所以简单的查询将导致对全表的扫描。

3.1检索

搜索索引由匹配操作完成。查询可以包含多个方面,在这种情况下,只有文字行包含所有条件时才返回。还有支持“OR”的查询,但该查询排除了条件,精确的词组匹配以及前缀检索。

    SELECT rowid, title FROM example WHERE title MATCH 'tea bag'
  SELECT rowid, title FROM example WHERE title MATCH 'tea OR bag'
  SELECT rowid, title FROM example WHERE title MATCH 'tea -bag'
  SELECT rowid, title FROM example WHERE title MATCH '"tea bag"'
  SELECT rowid, title FROM example WHERE title MATCH 'tea*'

请注意:OR区分大小写,并且在一次查询中只允许一个MATCH操作。

3.2创建片段

为了向匹配的搜索结果提供语境,可以使用snippet()功能。这一功能将突出显示搜索结果中任何文字列的关键词。

  SELECT title, snippet(example)

  FROM example   WHERE title   MATCH 'Advent'   ADVENT|ADVENT   Advent|Advent   Advent,Cornwall|Advent,_Cornwall   Advent,_West_Virginia|Advent,_West_Virginia   Advent:_One-Winged_Angel|Advent:_One-Winged_Angel   Advent(band)|Advent_(band)  额外的变量可以用来标示置标,置标过去常用于环绕匹配的表达和任何为缩短结果做的省略。这些分别是第二,第三和第四的变量,它们是第一次被用来标示表名。

3.3非英语的标记

可以通过ICU(指令控制单元)库提供的一些基本功能实现对非英语文本进行全文检索的愿望。这个库是PHP 6 的一个核心部分,该库通过在intl 扩展的PHP5.3中也可得。这两种情况下的SQLite将有更多的分词器。 在ICU分词器将根据语言规则和指定的区域识别词语,然后按照界定拆分。这种方法只适用于某些地域。句法如下:


      CREATE VIRTUAL TABLE example
  USING FTS3(title TEXT, TOKENIZE icu en_GB)

此处的第二个变量由语言,国家和信息变体组成。