关于MariaDB InnoDB全文索引分词规则及DOC_ID映射的技术咨询

你好，针对你的两个问题，我来逐一解答：

问题一：InnoDB全文索引词构建规则及单字母加引号的过滤问题 #

• 首先，MariaDB官方文档里有专门章节介绍InnoDB全文索引的分词规则，其中明确了分词器对特殊字符的处理逻辑。你遇到的D'Artagnan案例，核心原因是InnoDB的全文分词器会将单引号视为分词分隔符的一部分，当单字母（比如这里的D）后面紧跟单引号时，这个单字母会被判定为非独立有效词，因此不会被纳入全文索引；而当你写成D Artagnan时，D作为独立的单字母词，符合你设置的innodb_ft_min_token_size=1的规则，所以会被正常索引。
• 如果你想深入看源码实现，分词逻辑主要集中在storage/innobase/fts/fts0tokenize.cc文件中，里面包含了字符判断、分隔符处理以及词过滤的具体代码。

问题二：INNODB_FT_INDEX_TABLE中DOC_ID与原表id列的映射问题 #

根据官方文档的描述，INNODB_FT_INDEX_TABLE的DOC_ID映射规则其实分为两种情况：

• 如果你的表中自定义了名为DOC_ID的整数列，那么全文索引会直接使用该列的值作为DOC_ID；
• 如果没有自定义DOC_ID列，InnoDB会自动生成一个隐藏的内部行ID（DB_ROW_ID）来作为DOC_ID，这时候它和你原表的主键id列并不是必然对应的——只有当你的主键是自增整数且未自定义DOC_ID时，可能会出现数值上的对应关系，但这不是通用规则，不能直接默认DOC_ID等于原表的id列。

备注：内容来源于stack exchange，提问作者wknauf