对于MongoDB文本索引，词干分析无法正常工作

我试图使用MongoDB的全文搜索功能，并观察到一些意外的行为。问题与文本索引功能的“词干”方面有关。许多在线文章都描述了全文搜索的方式，如果在文本索引的文档字段中有一个字符串“大猎狗”，那么您应该能够搜索“狩猎”或“狩猎”以及“狗”或“狗”。在索引和搜索时，MongoDB应该规范化或阻止文本。所以在我的例子中，我希望它在索引中保存单词“dog”和“hunt”，并搜索这个单词的词干版本。如果我搜索“狩猎”，MongoDB应该搜索“狩猎”

嗯，这不是我的工作方式。我在Linux上运行MongoDB 2.4.8，启用全文搜索。如果我的记录有“大猎狗”的值，则只搜索“大”将产生结果，而搜索“狩猎”或“狗”则不会产生任何结果。这就好像不是“标准化”形式的单词没有存储在文本索引中（或者以它找不到它们的方式存储）。使用$regex运算符进行搜索效果很好，也就是说，我可以通过对相关字段搜索类似于/hunting/的字符串来查找文档

我尝试删除并重新创建全文索引-没有任何更改。我只能找到包含“正常”形式单词的文档。搜索诸如“狗”或“狩猎”（甚至“狗”或“狩猎”）之类的词不会产生任何结果

---

我是否误解或误用了全文搜索操作，或者MongoDB中是否存在漏洞？

经过大量的实验和挠头，我发现了这种行为的原因。事实证明，该集合中的文档具有“语言”属性。显然，该属性的存在和价值使得这些文档无法搜索。（该值恰好为“ENG”。将其更改为“ENG”可能会使此文档再次可搜索。但是，该字段的用途完全不同）。在我将字段重命名为“lang”后，通过搜索“dog”或“dogs”，我能够找到包含单词“dogs”的文档

我想知道这是否是MongoDB的预期行为——文档中的language属性会影响文本搜索。

Michael

“语言”字段（如果存在）允许每个文档覆盖 用于词干分析的语言。我认为，正如
您向MongoDB指定了一种它无法识别的语言（“ENG”），
它根本无法阻止这些话。正如其他人指出的，您可以使用

language\u覆盖

选项，指定MongoDB应该使用一些
用于此目的的其他字段（如“lang”），而不是默认字段（“语言”）

下面是一个很好的引用（关于全文索引和搜索），它
与你的问题完全相关。它取自这本书

MongoDB：权威指南，第2版

用其他语言搜索

插入文档（或首次创建索引）时，MongoDB会查看 索引字段和每个单词的词干，将其简化为基本单元。然而，不同的是 语言以不同的方式生成单词，因此必须指定索引使用的语言 或文件是。因此，文本类型索引允许使用“default_language”选项 指定，默认为“英语”，但可以设置为许多其他语言 （有关最新列表，请参阅联机文档）。 例如，要创建法语索引，我们可以说：

>db.users.ensureIndex（{“profile”：“text”，“interets”：“text”}，{“default_语言”：“french”}）

除非另有规定，否则法语将用于词干。你可以，在一个 根据文档，通过“语言”字段指定另一种词干语言 描述文档语言的：

>db.users.insert（{“username”：“swedishChef”，“profile”：“Bork de Bork”，语言：“瑞典语”}）

这本书没有提到（至少这一页没有提到）的是
可以使用

language\u override

选项指定MongoDB
应为此使用其他字段（如“lang”）和

---

不是默认的（“语言”）

在设置索引时，请查看语言覆盖选项。它允许您更改应用于定义文本搜索语言的字段名称。这样，您就可以将“language”属性留给应用程序使用，并将其称为其他名称（例如searchlang或类似名称）。

您确实阅读了“beta”部分，不是吗。同样的问题也被问到了，尼尔，谢谢你的推荐。我也看到了你指的问题。如果你仔细看，我们的问题就大不相同了。《其他问题》的作者抱怨说，词干实现中存在一个微妙的缺陷，即MongoDB无法识别某些非标准英语复数的派生词（如mice或criteria）。我的抱怨是，即使使用标准复数，词干处理在我的环境中也根本不起作用。如果我的文档中有单词“seasons”，则无法使用全文搜索找到该文档。对于另一篇文章的作者来说，这个词很好用。你能提供一个示例文档或2以及你用来创建索引和运行搜索的命令吗？