Discussion :

[jgautier]

Bonjour à tous,


je n'arrive pas à comprendre pourquoi une certaine recherche en mode Fulltext ne fonctionne pas...

Soit une table 'enonce' :

id - INT / PK
enotxt0 - TEXT avec index FullText

Soit un enregistrement de cette table :

id = 1
enotxt0 = "Par cause de soi, j’entends ce dont l’essence enveloppe l’existence, autrement dit, ce dont la nature ne peut se concevoir qu’existante."


J'arrive à trouver cet enregistrement si je cherche le mot "enveloppe" ou "concevoir", et, semble-t-il, tout autre mot SAUF le mot "cause" (et aucun autre enregistrement comportant ce mot non plus).
Idem si je cherche "caus*".

"caus*" me ramène les enregistrements qui comportent "causalité" par exemple, mais pas ceux qui comportent seulement "cause".

Une idée de ce qui pourrait expliquer un si étrange comportement ?
Un problème d'encodage ? Le mot "cause" aurait une signification particulière en SQL ??

La requête de recherche ressemble dans chaque cas à cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

SELECT *, MATCH(enotxt0) AGAINST ("+cause" IN BOOLEAN MODE) AS score FROM enonces LEFT OUTER JOIN types ON enonces.typid = types.typid WHERE MATCH(enotxt0) AGAINST ("+cause" IN BOOLEAN MODE)

Merci d'avance pour votre aide.

JG.

[CinePhil]

Je pensais que la cause de l'absence de cause pouvait être la longueur du mot mais si j'en crois la doc MySQL, la taille mini de mot est de 4 lettres.
A moins que la liste des mots à ignorer soit paramétrable ou la longueur mini du mot ?

MySQL utilise un filtre très simple pour séparer le texte en mots. Un "mot" est n'importe quelle chaîne de caractères constituée de lettres, chiffres, ‘'’ et ‘_’. Tout "mot" présent dans la liste des mots à ignorés ou qui est trop court (3 caractères ou moins) est ignoré.

• Un mot trop court est ignoré. La taille minimale pour un mot dans les recherches est de 4 lettres.
• Les mots de la liste sont ignorés. Un mot banni est par exemple ``the'' ou ``some'', ``un'' or ``les'' en fran¸ais, qui sont considérés comme trop communs pour avoir une valeur intrinsèque. Il y a une liste de mots bannis en anglais par défaut.

La taille minimale des mots et la liste de mots à ignorer sont décrites dans la section Section 12.6.4, « Paramétrage précis de la recherche en text intégral de MySQL ».

[jgautier]

Merci pour cette piste.

La longueur n'est pas en cause : d'autres recherches marchent très bien avec des mots de 4 lettres et même 2 ou 3 lettres + joker.

Donc, je suppose que le mot "cause" doit faire partie des mots anglais interdits.
Par contre, je ne vois pas bien comment faire changer ce comportement. D'après ce que je lis (ou de ce que je comprends de ce que je lis), il semble qu'il soit nécessaire d'agir sur le serveur SQL lui-même, et de lui passer un fichier de mots interdits en option. Je dois pouvoir cela, puisque j'ai accès au my.cnf. Mais il faut que je regarde tout ça plus précisément.

J'aurais préféré une option dans la requête elle-même...

Merci encore.

JG.

[lenono]

Bonjour,

si tu veux agir sur la longueur des mots, tu ajoutes dans ton fichier de config mysql, dans les sections appropriées :
([mysqld])
ft_min_word_len=3

([myisamchk])
ft_min_word_len=3

ou tu démarres ton daemon mysql avec l'option --ft_min_word_len=3,e t tu recrées tes index.

Ici, c'est un exemple de 3 caractères minimums.

Ensuite, pour ce qui est de la liste des mots réservés, tu peux dire à mysql de n'éjecter aucun mot, en ajoutant le paramètre :
([mysqld])
ft_stopword_file=''

C'est bête, mais ça marche.
Maintenant, pour mon serveur, il n'y a eu aucun impact de perf.

Pour la liste des mots ignorés, je ne retrouve plus le lien...

[jgautier]

J'ai trouvé les listes de mots interdits :
http://members.unine.ch/jacques.savoy/clef/index.html

je vais essayer d'utiliser le fichier FR, et voir ce que cela donne.

Merci pour l'aide.

JG.

[jgautier]

C'est bon, cela fonctionne, avec le fichier FR.

Il ne faut pas oublier de reconstruire les index concernés.

merci à tous pour votre aide.

JG.