簡介
這是一個給 WordPress 使用的搜尋外掛。
- 使用 MySQL 的 Full-Text Search 功能，取代 WordPress 內建的搜尋功能。
Full-Text Search 的好處不僅是能計算出文章關聯性，尋找出更準確的結果，速度也比 Like Search 快上數～數十倍。 - 以 N-gram 方式實作斷詞，這樣才能讓中日韓文順利使用 MySQL Full-Text Search 。
Introduction
This is an advanced search plug-in for WordPress. Only good for Chinese, Japanese and Korean. Other language users please try Advanced Search or similar plug-ins instead.
- Using MySQL full-text features to provide faster performance and a more relevant search result.
- Using N-gram-based word segmentation to support CJK glyphs in MySQL full-text.
下載 / Download
實作
採用 N-gram 方式解決雙位元字斷詞問題，這個方式需要新建一張 wp_posts_ngram 表格，儲存僅供搜尋用的關鍵字，例如「MySQL 全文搜尋」這段文字的搜尋關鍵字為「MySQL 全文 文搜 搜尋」，因此這張表格大約需佔 wp_posts 表格的 2–4 倍空間。反正現在硬碟愈來愈便宜，用空間換時間很划算 :p
搜尋時也是依照 N-gram 切割，所以搜尋子句大概長得像這樣： MATCH (post_content_ngram) AGAINST ('+MySQL +全文 +文搜 +搜尋') 。但是 MySQL Full-Text Search 有最短關鍵字限制，預設為4個字以上，所以前面的搜尋子句會被轉換為 MATCH (post_content_ngram) AGAINST ('+MySQL') 。而為了解決這個問題， N-gram 表格中的內容會經過 UTF-8 (Hex) 編碼，「MySQL 全文 文搜 搜尋」會被轉換為「MySQL E585A8E69687 E69687E6909C E6909CE5B08B」，搜尋時也是使用轉換過的 N-gram —— MATCH (post_content_ngram) AGAINST ('+MySQL +E585A8E69687 +E69687E6909C +E6909CE5B08B') ，經過如此處理，雙位元字的全文搜尋就沒問題了。
附註
- 第一次啟用時會進行安裝，包含建立
wp_posts_ngram、wp_comments_ngram表格及製作目前所有文章的 N-gram ，因此需要一點時間。 - 我使用了
LOW PRIORITYDELAYED INSERT ，因此 N-gram 可能不會與文章同步更新，而會等到資料庫不忙時才更新。
參考資料
版本紀錄
v0.2.2
- New: 設定不於迴響中搜尋時，則不更新 wp_comments_ngram 表格
- New: 支援部份 boolean full-text search operators (說明)，同時也為此改變了權重計算方式
- New: 移除使用者設定的停字
- Fix: 不轉換歐文字元，這樣才能不區分大小寫搜尋
- Fix: v0.2.1 中最大的 bug ——迴響的 N-gram 根本就不會產生
- Fix: 修正 Related Entries 功能中可能發生的問題：文章標題中有 HTML Tags 的話…
- Fix: 修復一些可能出現的 Notice 和 Warning
v0.2.1
- New: 新增選項頁面
- New: 搜尋範圍可包含迴響
- Fix: 不刪除重複的 N-gram 字詞
- Fix: 改用 DELAYED INSERT
v0.1
- 初次釋出
哦，這個有趣。裝了啟用沒什麼問題（WP2.1.3）不過因為我的文章數實在太少，也感覺不出搜尋快慢。不過要挑骨頭的話……我有一篇文章有「IP 分享」等字，搜尋「P分」或「P 分」都找不到。什麼樣的情況會做這種搜尋我就不知道了……
前陣子看 Drupal 其實也是用類似這樣子的索引方式。不過 Drupal 是用 cron 來做索引就是了（WP 2.x 好像也多了 cron.php?）。不過沒記錯的話 Drupal 還可以限制最短搜尋字數。
最後，有沒有未來開發計劃？例如做選項頁面列出目前 ngram 表格大小、設定關鍵字最低字數、刪除 ngram 表格等等？（例如要備份 WP 資料的時候不必備份這部份。）或是加入留言搜尋、條件搜尋（限特定標籤或分類的文章、特定日期範圍文章等等）？
因為「P分」會被切為「P」和「分」，然後「P」只有一個字會被忽略不搜尋，而 Bigram 切詞時切到的是「分享」，因此搜尋「分」搜不到 XD
我是覺得不用 Cron 可能比較好吧！因為 WordPress 有 Action hook 可以用，我目前是讓它在安裝時建立所有的 N-gram ，然後發表 (Publish) 文章或者編輯已發表文章時更新 N-gram 。
老實說我只是看到 N-gram 那篇文章，覺得很有趣，所以先做出來基本的，沒有什麼開發計畫 :p 而且我現在還不會作選項頁面… 囧rz
不過您說的這些我會列入參考 :)
好久不見，現在我也在用 WordPress
這個 Plugin 很符合我的需求，馬上裝來用 XD
咦等等…wp_posts 表格的 2–4 倍空間 囧？！
我還是放棄安裝好了…這樣資料庫就大過頭了
你的空間有這麼吃緊嗎？ XD 我的 N-gram 表格總共才不到 4 MB ，我覺得一點都不大啊～
其實沒那麼吃緊，可是…
我的文章本身就已經 5MB 了 囧”
你的產量真大啊… orz
啊，因為這包括從無名搬來的文章啦 ＠＠
話說後來我想說，反正 Google 已經有現成的技術了
所以我就做個連結讓人搜尋時可以看看 Google 找的結果 XD
以前使用 LifeType 沒有搜尋功能時我有用過 Google ，可是 Google 的搜尋不太能自訂，索引速度無法預期——新文章貼出後會有一段時間搜尋不到。因此我覺得站內搜尋的功能還是自己作比較好 :)