2

我们很难找出两个相似的字符串给 sys.dm_fts_parser 给出不同的结果

select * from sys.dm_fts_parser('"0 CAD"', 0, null, 0)

似乎认为“0 CAD”是一个令牌（返回 2 个令牌）

select * from sys.dm_fts_parser('"0 cad"', 0, null, 0)

返回 3 个令牌 - 正确

更重要，更令人困惑的是为什么

select * from Table where contains(*,"point 5 CAD")工作和 select * from Table where contains(*,"point 5 cad")失败

其中搜索的列包含“point 5 CAD”-

全文索引构建器不应该基于索引设置忽略干扰词（例如“5”）还是包含它。
我们都试过了，但无法解释为什么“nnnn CAD”很特别

请注意，根据http://msdn.microsoft.com/en-us/library/ms142583.aspx，全文假定不区分大小写

我错过了什么？

编辑：使用 SQL 2012 11.0.2218

4

4 回答 4

3

我的团队也遇到了这种奇怪的标记化行为。我们的解决方法是将LOWER应用于查询和搜索文本。

正如Haroon 之前指出的那样，问题似乎源于标记器识别数字附近的某些大写货币代码并区别对待它们。以下查询说明了这一点：

SELECT * FROM sys.dm_fts_parser ('"syp 123"', 1033, 0, 0) -- Works fine
SELECT * FROM sys.dm_fts_parser ('"SYP 123"', 1033, 0, 0) -- Doesn't work

我们编写了一个脚本来识别所有表现出这种行为的 1-4 字母字符组合：

DECLARE @CurrencyCodes TABLE (CurrencyCode varchar(4), TokenCount int)
DECLARE @Start int = 65 -- A
DECLARE @End int = 90 -- Z

DECLARE @A int, @B int, @C int, @D int

SET @A = @Start
WHILE NOT (@A > @End) BEGIN
    INSERT INTO @CurrencyCodes VALUES (CHAR(@A), NULL)
    SET @B = @Start
    WHILE NOT (@B > @End) BEGIN
        INSERT INTO @CurrencyCodes VALUES (CHAR(@A) + CHAR(@B), NULL)
        SET @C = @Start
        WHILE NOT (@C > @End) BEGIN
            INSERT INTO @CurrencyCodes VALUES (CHAR(@A) + CHAR(@B) + CHAR(@C), NULL)
                SET @D = @Start
                WHILE NOT (@D > @End) BEGIN
                    INSERT INTO @CurrencyCodes VALUES (CHAR(@A) + CHAR(@B) + CHAR(@C) + CHAR(@D), NULL)
                    SET @D = @D + 1
                END
            SET @C = @C + 1
        END
        SET @B = @B + 1
    END
    SET @A = @A + 1
END

UPDATE @CurrencyCodes SET TokenCount = (SELECT COUNT(1) FROM sys.dm_fts_parser ('"' + CurrencyCode + '123,456"', 1033, 0, 0))

SELECT CurrencyCode FROM @CurrencyCodes WHERE TokenCount = 2

从该查询中，我们发现以下 273 代码中的任何一个都会出现问题：

ADF ADP AED AFA AFN ALK ALL AMD ANG AOA AON AOR ARA ARL ARM ARP ARS ATS AUD AWG AZM AZN BAM BBD BDT BEC BEF BEL BGJ BGK BGL BGN BHD BIF BMD BND BOB BOP BOV BRB BRC BRE BRL BRN BRR BRZ BSD BTN BWP BYR BZD CAD CDF CFP CHE CHF CHW CLF CLP CNX CNY COP COU CRC CSD CSJ CSK CUP CVE CYP CZK DDM DEM DJF DKK DM DOP DZD ECS ECV EEK EGP EQE ERN ESA ESB ESP ETB EUR EURO FF FIM FJD FKP FRF GBP GEL GHC GHS GIP GMD GNE GNF GRD GTQ GWP GYD HKD HNL HRK HTG HUF IDR IEP ILP ILR ILS INR IQD IRR ISJ ISK ITL JMD JOD JPY KES KGS KHR KMF KPW KRW KWD KYD KZT LAJ LAK LBP LKR LRD LSL LTL LUF LVL LYD MAD MAF MCF MDL MGA MGF MKD MKN MMK MNT MOP MRO MTL MUR MVQ MVR MWK MXN MXP MXV MYR MZM MZN NAD NGN NIO NLG NOK NPR NZD OMR PAB PEH PEI PEN PGK PHP PKR PLN PLZ PTE PYG QAR ROL RON RSD RUB RUR RWF SAR SBD SCR SDD SDG SEK SGD SHP SIT SKK SLL SML SOS SRD SRG STD SUR SVC SYP SZL THB TJR TJS TMM TND TOP TPE TRL TRY TTD TWD TZS UAH UAK UGS UGX USD USN USS UYI UYN UYU UZS VAL VEB VEF VNC VND VUV WST XAF XAG XAU XBA XBB XBC XBD XCD XDR XEC XEU XFO XFU XOF XPD XPF XPT XTS YDD YER YUD YUM ZAL ZAR ZMK ZRN ZRZ ZWC ZWD
于 2014-02-12T23:23:32.197 回答
2

您必须使用分词器的正确区域设置标识符 (lcid)。因此，您需要将第二个参数替换为 1033

SELECT * 
FROM sys.dm_fts_parser('"0 CAD"', 1033, null, 0)

返回 3 个令牌

SELECT * 
FROM sys.dm_fts_parser('"0 cad"', 1033, null, 0)

返回 3 个令牌

还需要选择英语作为每列的分词语言。

USE [YourDB]
GO
ALTER FULLTEXT INDEX ON [dbo].[YourTable] DROP ([YourColumn]) 
GO
USE [YourDB]
GO
ALTER FULLTEXT INDEX ON [dbo].[YourTable] ADD ([YourColumn] LANGUAGE [English])
GO
于 2013-06-04T08:10:36.143 回答
1

使用 SQL 2008 时 

select * from sys.dm_fts_parser('"0 CAD"', 0, null, 0) - gives 2 tokens   
select * from sys.dm_fts_parser('"0 CAD"', 1033, null, 0) - gives 3 tokens

在 SQL 2012 (11.0.3218) 上： 

select * from sys.dm_fts_parser('"0 CAD"', 1033, null, 0) - gives 2 tokens

在 SQL 2012 中，Microsoft 引入了一个新的分词器（版本 14.0.4763.1000）http://msdn.microsoft.com/en-us/library/gg509108.aspx

似乎工作破坏者现在可以识别 3 个字符的 ISO 4217 货币代码，如果在 3 个字符代码之前有一个数字，则它不会被分解。

于 2014-01-23T00:05:20.830 回答
1

我用过这样的东西..

Select * from FROM sys.dm_fts_parser(N'"'+@P_SEARCHSTRING +'" ', 1033, 0, 0) where display_term NOT LIKE 'nn%'

所以它避免了所有以'nn'开头的标记

于 2014-12-23T22:23:30.993 回答