详解oracle数据库中文全文索引

《详解oracle数据库中文全文索引》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、详解Oracle数据库中文全文索引Oracle数据库的全文检索技术已经非常完美，OracleText使Oracle9i具备了强大的文本检索能力和智能化的文本管理能力。OracleText是Oracle9i采用的新名称，在Oracle8/8i中它被称作OracleinterMediaText，在Oracle8以前它的名称是OracleConTextCartridge。二、OracleText索引文档时所使用的主要逻辑步骤如下：(1)数据存储逻辑搜索表的所有行，并读取列中的数据。通常，这只是列数据，但有些数据存储使用列数据作为文档数据的指针。(2)过滤器提取文

2、档数据并将其转换为文本表示方式。存储二进制文档(如Word或Acrobat文件)时需要这样做。过滤器的输出不必是纯文本格式--它可以是XML或HTML之类的文本格式。(3)分段器提取过滤器的输出信息，并将其转换为纯文本。包括XML和HTML在内的不同文本格式有不同的分段器。转换为纯文本涉及检测重要文档段标记、移去不可见的信息和文本重新格式化。(4)词法分析器提取分段器中的纯文本，并将其拆分为不连续的标记。既存在空白字符分隔语言使用的词法分析器，也存在分段复杂的亚洲语言使用的专门词法分析器。(5)索引引擎提取词法分析器中的所有标记、文档段在分段器中的偏移量以

3、及被称为非索引字的低信息含量字列表，并构建反向索引。倒排索引存储标记和含有这些标记的文档。三、需要的权限要使用OracleText，必须具有CTXAPP角色或者是CTXSYS用户。OracleText为系统管理员提供CTXSYS用户，为应用程序开发人员提供CTXAPP角色。具有CTXAPP角色的用户可执行以下任务：创建索引，管理OracleText数据字典，包括创建和删除首选项，进行OracleText查询，使用OracleTextPL/SQL程序包。如图所示：四、具体的实现文本装入文本列后，就可以创建OracleText索引。文档以许多不同方案、格式和语

4、言存储。因此，每个OracleText索引有许多需要设置的选项，以针对特定情况配置索引。创建索引时，OracleText可使用若干个默认值，但在大多数情况下要求用户通过指定首选项来配置索引。每个索引的许多选项组成功能组，称为"类"，每个类集中体现配置的某一方面，可以认为这些类就是与文档数据库有关的一些问题。例如：数据存储、过滤器、词法分析器、相关词表、存储等。每个类具有许多预定义的行为，称之为对象。每个对象是类问题可能具有的答案，并且大多数对象都包含有属性。通过属性来定制对象，从而使对索引的配置更加多变以适应于不同的应用。（1）存储（Storage）类存储

5、类指定构成OracleText索引的数据库表和索引的表空间参数和创建参数。它仅有一个基本对象：BASIC_STORAGE，其属性包括：I_Index_Clause、I_Table_Clause、K_Table_Clause、N_Table_Clause、P_Table_Clause、R_Table_Clause。（2）数据存储（Datastore）类数据存储：关于列中存储文本的位置和其他信息。默认情况下，文本直接存储到列中，表中的每行都表示一个单独的完整文档。其他数据存储位置包括存储在单独文件中或以其URL标识的Web页上。七个基本对象包括：Default

6、_Datastore、Detail_Datastore、Direct_Datastore、File_Datastore、Multi_Column_Datastore、URL_Datastore、User_Datastore。（3）文档段组（SectionGroup）类文档段组是用于指定一组文档段的对象。必须先定义文档段，然后才能使用索引通过WITHIN运算符在文档段内进行查询。文档段定义为文档段组的一部分。包含七个基本对象：AUTO_SECTION_GROUP、BASIC_SECTION_GROUP、HTML_SECTION_GROUP、NEWS_SECT

7、ION_GROUP、NULL_SECTION_GROUP、XML_SECTION_GROUP、PATH_SECTION_GROUP。（4）相关词表（Wordlist）类相关词表标识用于索引的词干和模糊匹配查询选项的语言，只有一个基本对象BASIC_WORDLIST，其属性有：Fuzzy_Match、Fuzzy_Numresults、Fuzzy_Score、Stemmer、Substring_Index、Wildcard_Maxterms、Prefix_Index、Prefix_Max_Length、Prefix_Min_Length。（5）索引集（Inde

8、xSet）索引集是一个或多个Oracle索引(不是OracleTe