SQL Server如何对FileStream存储的波斯语文本文件实现全文检索

波斯语全文检索失效的核心原因是全文索引默认使用实例默认语言（通常为英文）的断字符，无法正确对波斯语文本做分词匹配，仅给关键词加N前缀只能解决字符串编码问题，无法解决分词规则不匹配的问题。

1. 验证波斯语语言组件可用性 #

执行以下查询，确认SQL Server全文检索组件已注册波斯语支持：

SELECT * FROM sys.fulltext_languages WHERE lcid = 1065;

查询返回名称为Persian的记录即代表组件正常；如果无返回结果，需要安装对应SQL Server版本的波斯语语言包，安装完成后重启SQL Full-text Filter Daemon Launcher服务。

2. 调整全文索引列的语言配置 #

为varbinary存储列指定波斯语作为分词依据语言，注意必须同步指定存储文件扩展名的类型列（全文检索依赖该列判断用什么筛选器解析二进制文件内容）：

-- 移除原有列的全文索引绑定
ALTER FULLTEXT INDEX ON [FILESTREAM_Documents] DROP ([DocumentFS]);
-- 重新绑定列，指定波斯语断字符，将[你的文件类型列名]替换为表中存储文件后缀的实际列名（如DocumentType、FileExtension等）
ALTER FULLTEXT INDEX ON [FILESTREAM_Documents] ADD ([DocumentFS] TYPE COLUMN [你的文件类型列名] LANGUAGE 1065);

注意：如果之前创建全文索引时未配置TYPE COLUMN参数，即使英文检索能返回部分结果，二进制文件的内容解析也是不完整的，非英文场景下必须正确配置该参数。

3. 重建全文目录 #

执行全量索引重填充，让引擎使用波斯语断字符重新解析所有存量文件内容：

-- 将[你的全文目录名称]替换为实际创建的全文目录名
ALTER FULLTEXT CATALOG [你的全文目录名称] REBUILD;
-- 执行以下语句可查询索引填充进度，status字段值为7时代表填充完成
SELECT * FROM sys.dm_fts_index_population WHERE database_id = DB_ID('你的数据库名');

等索引填充完成后再执行检索操作。

4. 使用正确语法执行检索 #

查询时必须为波斯语关键词加N前缀标记为Unicode字符串，同时显式指定本次查询使用波斯语断字符，避免会话默认语言干扰匹配结果：

SELECT * FROM [FILESTREAM_Documents]
WHERE CONTAINS([DocumentFS], N'سلام', LANGUAGE 1065);

如果配置完成后仍无法返回正确结果，逐一检查以下配置项：

• 存储的文本文件需使用Unicode编码（带BOM的UTF-8或UTF-16），ANSI编码存储的波斯语内容读取时会出现乱码，无法被正确分词
• 确认SQL Full-text Filter Daemon Launcher服务的运行账号拥有FILESTREAM存储路径的读取权限，无权限时服务无法读取文件内容生成有效索引
• 若存储的是Word、PDF等非纯文本格式，需在服务器上安装对应格式的全文检索筛选器，可执行sp_help_fulltext_system_components 'filter'查看已注册的支持格式列表

内容的提问来源于stack exchange，提问作者Ramin Azali