SQL Server 2016全文检索CONTAINS单字符'n'匹配数字异常问题

这个现象其实和SQL Server全文检索的英文语言分词器的数字处理逻辑有关，我来给你拆解一下：

核心原因 #

当你为全文索引指定LANGUAGE 'English'时，SQL Server的英文分词器会自动将数字转换为对应的英文单词进行索引。比如你测试数据里的789会被转换为seven hundred eighty nine，其中nine是以n开头的单词——这就是为什么CONTAINS(N'"n*"')会返回那条全数字的记录。

而用"a*"查询时，数字对应的英文单词里没有以a开头的（比如one、two、three这些都不沾边），所以不会匹配到数字记录。

你可以通过查询全文索引的关键词来验证这一点：

SELECT * FROM sys.dm_fts_index_keywords(DB_ID(), OBJECT_ID('Content'))

你会看到nine这个关键词，对应的就是那条包含789的记录。

解决方法 #

根据你的需求，有几种方案可选：

1. 切换全文索引的语言为中性（Neutral）

中性语言的分词器不会进行词干分析或数字转英文的操作，只会按字符进行分词。这样"n*"就只会匹配以字母n开头的单词，不会涉及数字：

-- 先删除原全文索引
DROP FULLTEXT INDEX ON [dbo].[Content]
-- 重新创建，指定语言为Neutral
CREATE FULLTEXT INDEX ON [Content]([content] LANGUAGE 'Neutral') 
KEY INDEX [PK_Content] ON ([ContentCatalog], FILEGROUP [PRIMARY]) 
WITH (CHANGE_TRACKING = AUTO, STOPLIST = SYSTEM)

2. 查询时过滤数字记录（按需使用）

如果需要保留英文分词的其他功能，只是想排除纯数字的记录，可以在查询时添加额外条件：

SELECT * FROM [dbo].[Content] 
WHERE CONTAINS([Content], N'"n*"') 
-- 排除纯数字的记录（注意：如果记录里同时有n开头单词和数字，这条会过滤掉，按需选择）
AND [content] NOT LIKE '%[0-9]%'

3. 自定义停用词表（不推荐，仅特殊场景）

如果你想保留英文分词，但想排除数字对应的英文单词，可以自定义停用词表，把所有数字对应的英文单词（比如nine、nineteen等）加入停用词，但这种方法维护成本很高，一般不推荐。

内容的提问来源于stack exchange，提问作者ApceH Hypocrite