如何使用MySQL MeCab全文解析器插件实现精确短语搜索

问题根因 #

你遇到的匹配结果不符合预期的核心原因是日文分词逻辑：
MySQL的日文分词器（默认mecab）会将文本拆分为独立词元，布尔模式下不带引号的その猫搜索逻辑是匹配所有同时包含その和猫两个词元的内容，不限制两个词元的位置关系；你使用双引号包裹的短语匹配未生效，是因为默认分词器的分词粒度不支持连续短语严格匹配，その小さな猫分词后同时存在その和猫两个词元，位置偏移量符合宽松的短语匹配判定规则，因此会被返回。

实现方案 #

方案1：使用ngram分词器创建全文索引（推荐，兼顾性能和精确性） #

• 调整MySQL配置，设置ngram分词最小长度为2，适配日文双词短语匹配需求，在my.cnf配置文件中添加：

[mysqld]
ngram_token_size=2

修改配置后重启MySQL服务生效。

• 重建目标字段的全文索引，指定使用ngram分词器：

ALTER TABLE 你的表名 ADD FULLTEXT INDEX idx_ft_column (column) WITH PARSER ngram;

• 执行精确短语搜索，使用双引号包裹目标短语：

SELECT * FROM 你的表名 WHERE MATCH (column) AGAINST ('"その猫"' IN BOOLEAN MODE);

返回结果会严格匹配その猫连续出现的内容，不会返回中间包含其他字符的结果。

方案2：全文搜索+字符串精确过滤（无需修改索引，适合临时查询） #

如果不想修改现有索引结构，可以在原有全文搜索基础上增加LIKE精确匹配过滤，既保留全文索引查询性能，同时过滤不符合要求的结果：

SELECT * FROM 你的表名 
WHERE MATCH (column) AGAINST ('"その猫"' IN BOOLEAN MODE)
AND column LIKE '%その猫%';

若使用mecab分词器，需要确保mecab词典配置正确，分词后词元的连续判定符合预期才能正常使用短语匹配功能。

内容的提问来源于stack exchange，提问作者Steffen