|
Oracle text是Oracle的全文检索技术，是9i版本标准版和企业版的一部分。Oracle text使用标准的sql语言索引、查找、分析存储在oracle数据库、文件或者网络里的文本及文档。
Oracle text能进行关于文档的语言分析，使用多种方法查找文档，包括关键字、上下文查询、逻辑操作、模式匹配、混合主题查询、HTML/XML段落查找等方法。Oracle
text在包含文本和结构化的关系属性的混合查询方面具有优越性。下面举例说明。
现有文档表ZYCONTENT_TABLE为上载文件的存储表，二进制文件以BLOB类型存储在BLOB_CONTENT列中，oracle
text技术提供为BLOB列中的二进制文本文件建立索引的方法，细节如下：
一、准备工作
文档表的模式为ZYFILEUP，文档表为ZYCONTENT_TABLE。文档表定义为：
CREATE TABLE ZYCONTENT_TABLE(
NAME VARCHAR(128) UNIQUE NOT NULL,
MIME_TYPE VARCHAR(128),
DOC_SIZE NUMBER,
DAD_CHARSET VARCHAR(128),
LAST_UPDATED DATE,
CONTENT_TYPE VARCHAR(128),
CONTENT LONG RAW,
BLOB_CONTENT BLOB
); |
二、为拥有文档表的模式建立文本索引授权
以system用户连接数据库，为ZYFILEUP授权。
GRANT "CTXAPP" TO "ZYFILEUP";
ALTER USER "ZYFILEUP" DEFAULT ROLE ALL;
GRANT EXECUTE ON "CTXSYS"."CTX_ADM" TO
"ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_CATSEARCH"
TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_CONTAINS"
TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_DDL" TO
"ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_DOC" TO
"ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_QUERY" TO
"ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_ULEXER"
TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_XPCONTAINS"
TO "ZYFILEUP"; |
三、建立文档表在BLOB_CONTENT列上的索引
以ZYFILEUP用户连接数据库，建立文本索引参考项
begin
ctx_ddl.create_preference('mylex','BASIC_LEXER');
ctx_ddl.set_attribute('mylex','printjoins','_-');
ctx_ddl.create_preference('mywordlist', 'BASIC_WORDLIST');
ctx_ddl.set_attribute('mywordlist','PREFIX_INDEX','TRUE');
ctx_ddl.set_attribute('mywordlist','PREFIX_MIN_LENGTH',1);
ctx_ddl.set_attribute('mywordlist','PREFIX_MAX_LENGTH', 5);
ctx_ddl.set_attribute('mywordlist','SUBSTRING_INDEX',
'YES');
end;
begin
ctx_ddl.create_preference('cnlex','CHINESE_LEXER');
end; |
建立索引
drop index i_zycontent_table force;
create index i_zycontent_table on
zycontent_table(blob_content)
indextype is ctxsys.context
parameters ('DATASTORE CTXSYS.DIRECT_DATASTORE
FILTER CTXSYS.INSO_FILTER
LEXER ZYFILEUP.CNLEX
WORDLIST ZYFILEUP.MYWORDLIST'); |
四、索引同步和删除
同步索引的两种方法：
| ALTER INDEX i_zycontent_table REBUILD PARAMETERS('resume
memory 20M'); |
和
| exec ctx_ddl.sync_index('i_zycontent_table', '20M'); |
删除索引的方法：
| drop index i_zycontent_table force; |
五、索引功能介绍
1．索引的文件类型
Oracle text可以过滤以及从不同格式的文档里提取内容，它支持150多种文档格式，最常见的MS OFFICE文档、PDF文档等都可由Oracle
text来检索。
2．过滤器介绍
对于纯文本文件格式，如TXT、HTML、XML等文件，使用空过滤器，即NULL_FILTER，对于二进制文件，使用INSO_FILTER过滤器，如果文档表的BLOB列中含有二进制文件和纯文本文件，也要用INSO_FILTER过滤器，但最好是把纯文本和二进制文件分开存储和索引。Oracle
text还提供包来从二进制文件中提取文本到纯文本文件中。
3．词典
可以定制不同语言的词典，该词典含有同意词和词的级别关系。Oracle text可以提供多语言的最优特性以支持跨越西方语言、日语、朝鲜语、传统和简体中文所写的文档查找。
六、文本查询语句格式
select name from zycontent_table
where contains(blob_content,'教育信息化',1)>0
order by name; |
contains函数提供强大的查询功能，"与"、"或"关系，相近（near ;）和排除（not
~）等功能，更方便的是它还可以根据某一关键词查询不同语种的文本，当然，这要事先设定词典。
七、实际应用中的问题
在我的实际应用中，最常用的是使用Oracle text对Word、Excel、PowerPoint、HTML、PDF等格式的中文文档进行索引，但我发现，无论使用INSO_FILTER还是NULL_FILTER，无论使用BASIC_LEXER还是CHINESE_LEXER，都不能检索RTF格式的文本文档，我在win2000，XP下试验，都没成功，不知什么原因。总体来说，Oracle
text的文本检索功能还是相当出色的，它甚至不需要文本文件存储在数据库里，即使存储在操作系统的文件目录里，Oracle text也能在数据库里为文件建立索引。 |