引言
搜索引擎中的高级全文匹配是增强搜索结果准确性和相关性的关键。这在专利分析、合同审查、条款识别和商标搜索等领域尤为重要，因为在搜索功能中的准确性至关重要。Manticore Search 从简单的 <code>REGEX()</code> 函数发展到自 6.3.0 以来的全文 REGEX 运算符，是这一背景下的重要发展，提供了查询中的复杂且细致的模式匹配。
新的 REGEX 运算符 对于复杂的搜索场景尤为有益。例如，在数据分析平台中，它可以搜索日志文件或代码库中的特定模式，识别独特的错误代码或编程结构。在学术研究数据库中，它使研究人员能够找到具有特定引用样式或书目参考模式的出版物。此外，在商标搜索中，REGEX 运算符在寻找精确或相似商标时非常宝贵，考虑到商标文本的多样性和复杂性。
在查询中使用 REGEX
要使用 REGEX 运算符，您的表需要配置 min_infix_len 或 min_prefix_len。如果您使用子串搜索，这种设置可能已经比较熟悉。新的 REGEX 运算符类似于高级通配符运算符。例如，REGEX(/t.?e/) 匹配任何以 ’t’ 开头、后跟任何字符并以 ’e’ 结尾的词。这突显了运算符处理多样和复杂文本模式的能力，为搜索查询提供了精致的方法。
示例
假设我们有以下表：
create table brands(name text) min_infix_len='2' charset_table='non_cjk, -'
select * from brands;
--------------
+---------------------+------------------------+
| id | name |
+---------------------+------------------------+
| 1515699435999330620 | SeaCrest Flower |
| 1515699435999330621 | C-Crest Flour |
| 1515699435999330622 | CCrest Flower |
| 1515699435999330623 | Flower SeaCrest |
| 1515699435999330624 | RightWrite Stationery |
| 1515699435999330625 | WriteRight Stationery |
| 1515699435999330626 | SoleSoul Footwear |
| 1515699435999330627 | SoulSole Footwear |
| 1515699435999330628 | PeakBeak Aviaries |
| 1515699435999330629 | BeakPeak Aviaries |
| 1515699435999330630 | GrateGreat Kitchenware |
| 1515699435999330631 | GreatGrate Kitchenware |
| 1515699435999330632 | Sunnyside Cyder |
| 1515699435999330633 | SunnyCide Cyder |
| 1515699435999330634 | ThymeTime Cooking |
| 1515699435999330635 | TimeThyme Cooking |
| 1515699435999330636 | KnightNight Security |
| 1515699435999330637 | NightKnight Security |
| 1515699435999330638 | PearPair Electronics |
| 1515699435999330639 | PairPear Electronics |
+---------------------+------------------------+
20 rows in set (0.00 sec)
以前，为了找到品牌 SeaCrest Flower、C-Crest Flour 和 CCrest Flower——它们听起来相似——查询需要是详尽的：
select * from brands where match('"SeaCrest flower"|"SeaCrest flour"|"CCrest flower"|"CCrest flour"|"C-Crest flower"|"C-Crest flour"');
使用新的 REGEX 运算符，我们可以简化此查询为：
select * from brands where match('"REGEX(/(c|sea).*crest/) REGEX(/flo(we|u)r/)"')
--------------
+---------------------+-----------------+
| id | name |
+---------------------+-----------------+
| 1515699435999330620 | SeaCrest Flower |
| 1515699435999330621 | C-Crest Flour |
| 1515699435999330622 | CCrest Flower |
+---------------------+-----------------+
3 rows in set (0.00 sec)
RE2 语法和性能
Manticore Search 中的 REGEX 运算符 遵循 RE2 语法 ，因其高性能和安全性而著称，用于处理正则表达式。RE2 由谷歌开发，避免了正则表达式处理中的常见陷阱，如灾难性回溯，使其在各种应用中高效且安全。虽然强大，REGEX 运算符的使用可能影响搜索时间，特别是在扫描大型字典时。用户可能需要在搜索能力的深度与查询性能之间找到平衡。在性能关键的情况下，简化 REGEX 模式并采用其他搜索过滤器可以帮助减少搜索时间，从而保持复杂性与效率之间的平衡。
结论
Manticore Search 中引入的 REGEX 运算符 标志着全文搜索能力的重要进步。它提高了搜索结果的精准性和相关性，并为各个领域的复杂查询处理开辟了新的途径，包括数据分析、学术研究和商标搜索。通过利用 REGEX 运算符，用户可以访问更高水平的搜索效率和准确性，使 Manticore Search 在全文搜索引擎领域成为更强大和多功能的工具。