mongo索引（特别是文本索引）

前言

首先，我想说的是，看官方文档很重要，虽然可能都是英文，并且也很长，但是基本都很有用。

普通索引

不多介绍，一搜一大把，简要介绍可以看菜鸟教程

文本索引

之前在进行文本匹配时候，用的是正则$regex，后来发现mongo自带有一个文本索引，所以就研究了下

首先上官方文档，这里有一个中文版本的，但是中文版本缺少内容。可以先看中文版，然后补充看英文版

简要说明一下重点（用了中文版本中的例子）

建立索引

db.stores.createIndex( { name: "text", description: "text" } )

find操作

db.stores.find( { $text: { $search: "java coffee shop" } } )

注意，上面匹配到的是只要包含java coffee shop中至少一个词就返回结果，否则用精确搜索

精确索引（这一点在后面会补充）

db.stores.find( { $text: { $search: "java \"coffee shop\"" } } )

词语排除

db.stores.find( { $text: { $search: "java shop -coffee" } } )

排序

db.stores.find(
   { $text: { $search: "java coffee shop" } },
   { score: { $meta: "textScore" } }
).sort( { score: { $meta: "textScore" } } )

根据英文版本补充

首先，在find时候有额外的几个参数可选，

{
  $text:
    {
      $search: <string>,
      $language: <string>,
      $caseSensitive: <boolean>,
      $diacriticSensitive: <boolean>
    }
}

大小写敏感$caseSensitive，默认是false
发音敏感$diacriticSensitive，默认是false。这个要说明一下，搜索发现具体解释可以看此处，简单说就是，如果不敏感，那么As such, the index also does not distinguish between é, É, e, and E.

限制

挑几个说，具体还是看英文文档去

A query can specify, at most, one $text expression.
这一点的话，我当时想搜索同时匹配两个词的情况，在Robo 3Tfind里面用多个没问题，但是后来在程序里面pymongo就遇到了问题，但是后来发现没有必要，下文会解释

如果用在aggregation里面

The $match stage that includes a $text must be the first stage in the pipeline.
A text operator can only occur once in the stage.
The text search, by default, does not return the matching documents in order of matching scores. Use the $meta aggregation expression in the $sort stage.

否定词

A hyphenated word, such as pre-market, is not a negation. If used in a hyphenated word, $textoperator treats the hyphen-minus (-) as a delimiter. To negate the word market in this instance, include a space between pre and -market, i.e., pre -market.

连字符词，如pre-market，不是否定词。如果在带连字符的单词中使用，$text操作符将连字符-(-)作为分隔符。要在本例中否定market一词，请在pre和-market之间加上空格，即pre -market。

关于这一点，我也有一点想补充说
在最后使用时发现，当搜索hand时候，如果文本中有hand-helds也会被搜索到，但是handhelds不会，那是不是和这个-相关呢？待考证
所以在使用时需要注意上面这个细节

另外

Stop Words

会自动去掉Stop Words
The $text operator ignores language-specific stop words, such as the and and in English.

Stemmed Words

词根（居然能自动实现）
For case insensitive and diacritic insensitive（前提） text searches, the $text operator matches on the complete stemmed word. So if a document field contains the word blueberry, a search on the term blue will not match. However, blueberry or blueberries will match.

注意：mongo会自动将text的内容以及find中的query都进行stemmed处理

补充精确搜索(同时包含多个词)

上面说到，当时我想搜索同时包含两个词（eg：java coffee shop）的文档，如果用db.stores.find( { $text: { $search: "java coffee shop" } } )得到的是至少包含一个词的结果
所以一开始我想用db.stores.find( { $text: { $search: "java" }, $text: { $search: "coffee" } } )这样
在robo上可行，但是在pymongo里面不可行（上面文档也说不行）
后来发现直接db.stores.find( { $text: { $search: "\"java\" \"coffee\" \"shop\"" } } )这样就够了，反斜杠只是为了区分引号
而在python里面可以通过单双引号来实现

que_str = ''
for que in filtered_query: #对于text索引的多条件
    que_str += '"' + que + '"'
con.append({'$text':{'$search':que_str}})

补充参考

https://docs.mongodb.com/manual/core/index-text/ 这个好像是index-text的介绍

最后编辑于：2019.05.09 21:14:06