无法理解全文结果的差异 - 包含、包含通配符、自由文本

Question

我在名为 Filecontent 的列上有一个带有全文索引的表。该表有一行内容包含“W 917”。对于上下文，此行上的内容列包含的不仅仅是我要搜索的内容。

我不明白为什么我会得到不同的结果，这取决于我使用的是包含、包含通配符还是自由文本。为什么不带通配符的 CONTAINS 得到结果，而带通配符的 CONTAINS 却没有？

-- Searching for "W 917"
-- No match - CONTAINS with wildcard
SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W 917*"')

-- Match - CONTAINS
SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W 917"')

-- Match - FREETEXT
SELECT * FROM InvoicePDFContent t1 WHERE FREETEXT(t1.Filecontent, '"W 917"')


-- Searching for "W"
-- Match - CONTAINS with wildcard
SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W*"')

-- No match - CONTAINS
SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W"')

-- No match - FREETEXT
SELECT * FROM InvoicePDFContent t1 WHERE FREETEXT(t1.Filecontent, '"W"')
´´´

Answer 1

差异是由噪声词“W”引起的。默认情况下，SQL Server 使用停止列表来排除一些简短或常用的词，如“and”、“does”、“could”。您可以使用这样的查询查看完整列表：

select * from sys.fulltext_system_stopwords where language_id = 1033

如果需要，您可以禁用全文索引的停止列表。

现在让我们来看看您的查询：

SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W*"')

这将查找包含以“W”开头的单词的所有行，并且这些单词不应出现在您的停止列表中。

SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W"')

此查询不返回任何内容，因为您正在查找停用词。

SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W 917"')

此查询仅忽略 W 并查找“917”。

SELECT * FROM InvoicePDFContent t1 WHERE CONTAINS(t1.Filecontent, '"W 917*"')

这是最有趣的案例。根据 SQL Server 文档：

当 <prefix_term> 是一个短语时，该短语中包含的每个单词都被认为是一个单独的前缀。因此，指定前缀词为“local wine*”的查询与文本为“local winery”、“locally wined and dined”等的任何行匹配。

这意味着实际上您正在寻找连续有两个单词的短语。第一个像“W*”（但它不应该在停止列表中），第二个是“917*”。