百科名片 Oracle text譯為全文檢索技術(shù)，是智能信息管理的關(guān)鍵技術(shù)之一，Oracle Text作為Oracle9i的一個組件，提供了強(qiáng)大的全文檢索功能，用Oracle9i做后臺數(shù)據(jù)庫，就可以充分利用其全文檢索技術(shù)，構(gòu)建復(fù)雜的大型文檔管理系統(tǒng)。本文主要介紹了Oracle Text的體系結(jié)構(gòu)及其使用。
Oracle Text 全文檢索 Oracle一直致力于全文檢索技術(shù)的研究，當(dāng)Oracle9i Rlease2發(fā)布之時，Oracle數(shù)據(jù)庫的全文檢索技術(shù)已經(jīng)非常完美，Oracle Text使Oracle9i具備了強(qiáng)大的文本檢索能力和智能化的文本管理能力。Oracle Text是Oracle9i采用的新名稱，在Oracle8/8i中它被稱作Oracle interMedia Text，在Oracle8以前它的名稱是Oracle ConText Cartridge。使用Oracle9i和Oracle Text，可以方便而有效地利用標(biāo)準(zhǔn)的SQL工具來構(gòu)建基于文本的新的開發(fā)工具或?qū)ΜF(xiàn)有應(yīng)用程序進(jìn)行擴(kuò)展。應(yīng)用程序開發(fā)人員可以在任何使用文本的Oracle數(shù)據(jù)庫應(yīng)用程序中充分利用Oracle Text搜索，應(yīng)用范圍可以是現(xiàn)有應(yīng)用程序中可搜索的注釋字段，也可是實現(xiàn)涉及多種文檔格式和復(fù)雜搜索標(biāo)準(zhǔn)的大型文檔管理系統(tǒng)。Oracle Text支持Oracle數(shù)據(jù)庫所支持的大多數(shù)語言的基本全文搜索功能。本文將介紹如何使用Oracle9i的全文檢索技術(shù)來為自己的應(yīng)用提供一個優(yōu)秀的解決方案。
1. Oracle Text的體系架構(gòu) Oracle Text 索引文檔時所使用的主要邏輯步驟如下：
?。?）數(shù)據(jù)存儲邏輯搜索表的所有行，并讀取列中的數(shù)據(jù)。通常，這只是列數(shù)據(jù)，但有些數(shù)據(jù)存儲使用列數(shù)據(jù)作為文檔數(shù)據(jù)的指針。例如，URL_DATASTORE 將列數(shù)據(jù)作為 URL 使用。
（2）過濾器提取文檔數(shù)據(jù)并將其轉(zhuǎn)換為文本表示方式。存儲二進(jìn)制文檔 (如 Word 或 Acrobat 文件) 時需要這樣做。過濾器的輸出不必是純文本格式 -- 它可以是 XML 或 HTML 之類的文本格式。
（3）分段器提取過濾器的輸出信息，并將其轉(zhuǎn)換為純文本。包括 XML 和 HTML 在內(nèi)的不同文本格式有不同的分段器。轉(zhuǎn)換為純文本涉及檢測重要文檔段標(biāo)記、移去不可見的信息和文本重新格式化。
（4）詞法分析器提取分段器中的純文本，并將其拆分為不連續(xù)的標(biāo)記。既存在空白字符分隔語言使用的詞法分析器，也存在分段復(fù)雜的亞洲語言使用的專門詞法分析器。
?。?）索引引擎提取詞法分析器中的所有標(biāo)記、文檔段在分段器中的偏移量以及被稱為非索引字的低信息含量字列表，并構(gòu)建反向索引。倒排索引存儲標(biāo)記和含有這些標(biāo)記的文檔。
2. 簡單的示例 這里先給出一個簡單示例說利用Oracle Text實現(xiàn)全文檢索的方法與步驟，在后面在進(jìn)行具體的說明。Orcale9i提供了Oracle Text Manager可以簡化許多工作，所有在Oracle Text Manager中完成的工作，都可以在通過PL/SQL來實現(xiàn)。要使用Oracle Text，必須具有CTXAPP角色或者是CTXSYS用戶。Oracle Text為系統(tǒng)管理員提供CTXSYS用戶，為應(yīng)用程序開發(fā)人員提供CTXAPP角色。
CTXSYS用戶可執(zhí)行以下任務(wù)：啟動Oracle Text服務(wù)器，執(zhí)行CTXAPP角色的所有任務(wù)。
具有CTXAPP角色的用戶可執(zhí)行以下任務(wù)： 創(chuàng)建索引，管理 Oracle Text 數(shù)據(jù)字典，包括創(chuàng)建和刪除首選項，進(jìn)行Oracle Text 查詢，使用 Oracle Text PL/SQL程序包。
使用Oracle Text的步驟：
?。?）創(chuàng)建表來保存某些文檔。該示例使用一個主關(guān)鍵字列來標(biāo)識每個文檔，使用一個小的VARCHAR2列來保存每個文檔。
CREATE TABLE docs (id NUMBER PRIMARY KEY, text VARCHAR2(80));
?。?）將兩個示例文檔置入該表：
INSERT INTO docs VALUES (1，'the first doc')；
INSERT INTO docs VALUES (2，'the second doc')；
COMMIT；
?。?）使用Oracle Text Manager來創(chuàng)建和修改首選項，首選項將與索引相關(guān)聯(lián)。
?。?）使用Oracle Text Manager創(chuàng)建文本索引。另外，可以輸入以下使用默認(rèn)首選項的 SQL 語句：
CREATE INDEX doc_index ON docs(text) INDEXTYPE IS CTXSYS.CONTEXT;
?。?）使用 CONTAINS 函數(shù)，發(fā)出基于內(nèi)容的文檔查詢。例如：
SELECT id FROM docs WHERE CONTAINS (text, 'first') > 0;
這將在文本列包含單詞 first (即文檔1) 的 docs 中查找所有行。語句中的>0部分是有效的Oracle SQL所必需的，Oracle SQL不支持函數(shù)的布爾返回值。
以上只是一個簡單的示例，旨在給出使用Oracle Text建立全文索引的完整步驟，歸納起來如下：
?。?）建表并裝載文本（包含帶有需要檢索的文本字段）
?。?）配置索引
（3）建立索引
?。?）發(fā)出查詢
?。?）索引維護(hù)：同步與優(yōu)化（將在后面介紹）
3. 文本裝載 要實現(xiàn)文本的全文檢索首先必須把正確的文本加載到數(shù)據(jù)庫表中，默認(rèn)的建立索引行為要求將文檔裝載在文本列中，盡管可以用其它方式 (包括文件系統(tǒng)和 URL 形式)存儲文檔 (在"數(shù)據(jù)存儲"選項進(jìn)行設(shè)置)。默認(rèn)情況下，系統(tǒng)應(yīng)該將文檔裝載在文本列中。文本列可以是VARCHAR2、CLOB、BLOB、CHAR或BFILE。注意，只有在將Oracle7系統(tǒng)移植到Oracle8的情況下才支持用LONG和LONG RAW 這兩個相反的列類型存儲文本。不能為列類型NCLOB、DATE和NUMBER建立索引。
關(guān)于文檔格式，因為系統(tǒng)能為包括HTML、PDF、Microsoft Word和純文本在內(nèi)的大多數(shù)文檔格式建立索引，可以將其中的任何文檔類型裝載到文本列中(在"過濾器"選項中設(shè)置)。有關(guān)所支持的文檔格式的詳細(xì)信息，可以參閱Oracle Text User's Guide and Reference 中的附錄"Supported Filter Formats"。
裝載方法主要有以下幾種：
?。?）SQL INSERT 語句
（2）ctxload 可執(zhí)行文件
?。?）SQL*Loader
?。?）從 BFILE 中裝載 LOB 的 DBMS_LOB.LOADFROMFILE() PL/SQL 過程
4. 為文本建立索引 文本裝入文本列后，就可以創(chuàng)建Oracle Text索引。文檔以許多不同方案、格式和語言存儲。因此，每個 Oracle Text 索引有許多需要設(shè)置的選項，以針對特定情況配置索引。創(chuàng)建索引時，Oracle Text可使用若干個默認(rèn)值，但在大多數(shù)情況下要求用戶通過指定首選項來配置索引。
每個索引的許多選項組成功能組，稱為"類&quo
每個類集中體現(xiàn)配置的某一方面，可以認(rèn)為這些類就是與文檔數(shù)據(jù)庫有關(guān)的一些問題。例如：數(shù)據(jù)存儲、過濾器、詞法分析器、相關(guān)詞表、存儲等。
每個類具有許多預(yù)定義的行為，稱之為對象。每個對象是類問題可能具有的答案，并且大多數(shù)對象都包含有屬性。通過屬性來定制對象，從而使對索引的配置更加多變以適應(yīng)于不同的應(yīng)用。
（1）存儲（Storage）類
存儲類指定構(gòu)成Oracle Text索引的數(shù)據(jù)庫表和索引的表空間參數(shù)和創(chuàng)建參數(shù)。它僅有一個基本對象：BASIC_STORAGE，其屬性包括：I_Index_Clause、I_Table_Clause、K_Table_Clause、N_Table_Clause、P_Table_Clause、R_Table_Clause。
（2）數(shù)據(jù)存儲（Datastore）類
數(shù)據(jù)存儲：關(guān)于列中存儲文本的位置和其他信息。默認(rèn)情況下，文本直接存儲到列中，表中的每行都表示一個單獨的完整文檔。其他數(shù)據(jù)存儲位置包括存儲在單獨文件中或以其 URL 標(biāo)識的 Web 頁上。七個基本對象包括：Default_Datastore、Detail_Datastore、Direct_Datastore、File_Datastore、Multi_Column_Datastore 、URL_Datastore、User_Datastore，。
（3）文檔段組（Section Group）類
文檔段組是用于指定一組文檔段的對象。必須先定義文檔段，然后才能使用索引通過 WITHIN 運算符在文檔段內(nèi)進(jìn)行查詢。文檔段定義為文檔段組的一部分。包含七個基本對象：AUTO_SECTION_GROUP、BASIC_SECTION_GROUP、HTML_SECTION_GROUP、NEWS_SECTION_GROUP、NULL_SECTION_GROUP、XML_SECTION_GROUP、PATH_SECTION_GROUP。
?。?）相關(guān)詞表（Wordlist）類
相關(guān)詞表標(biāo)識用于索引的詞干和模糊匹配查詢選項的語言，只有一個基本對象BASIC_WORDLIST，其屬性有：Fuzzy_Match、Fuzzy_Numresults、Fuzzy_Score、Stemmer、Substring_Index、Wildcard_Maxterms、Prefix_Index、Prefix_Max_Length、Prefix_Min_Length。
（5）索引集（Index Set）
索引集是一個或多個Oracle 索引 (不是Oracle Text索引) 的集合，用于創(chuàng)建 CTXCAT類型的Oracle Text索引，只有一個基本對象BASIC_INDEX_SET。
?。?）詞法分析器（Lexer）類
詞法分析器類標(biāo)識文本使用的語言，還確定在文本中如何標(biāo)識標(biāo)記。默認(rèn)的詞法分析器是英語或其他西歐語言，用空格、標(biāo)準(zhǔn)標(biāo)點和非字母數(shù)字字符標(biāo)識標(biāo)記，同時禁用大小寫。包含8個基本對象：BASIC_LEXER、CHINESE_LEXER、CHINESE_VGRAM_LEXER、JAPANESE_LEXER、JAPANESE_VGRAM_LEXER、KOREAN_LEXER、KOREAN__MORPH_ LEXER、MULTI_LEXER。
?。?）過濾器（Filter）類
過濾器確定如何過濾文本以建立索引?？梢允褂眠^濾器對文字處理器處理的文檔、格式化的文檔、純文本和 HTML 文檔建立索引，包括5個基本對象：CHARSET_FILTER、INSO_FILTER INSO、NULL_FILTER、PROCEDURE_FILTER、USER_FILTER。
?。?）非索引字表（Stoplist）類
非索引字表類是用以指定一組不編入索引的單詞 (稱為非索引字)。有兩個基本對象：BASIC_STOPLIST (一種語言中的所有非索引字) 、 MULTI_STOPLIST (包含多種語言中的非索引字的多語言非索引字表)。
5. 查詢 建立了索引，就可以使用 SELECT 語句中的 CONTAINS 運算符發(fā)出文本查詢。使用 CONTAINS 可以進(jìn)行兩種查詢：單詞查詢和ABOUT查詢。
5．1 詞查詢示例詞查詢是對輸入到 CONTAINS 運算符中單引號間的精確單詞或短語的查詢。在以下示例中，我們將查找文本列中包含 oracle 一詞的所有文檔。每行的分值由使用標(biāo)簽 1 的 SCORE 運算符選定： SELECT SCORE(1) title from news WHERE CONTAINS(text, 'oracle', 1) > 0; 在查詢表達(dá)式中，可以使用 AND 和 OR 等文本運算符來獲取不同結(jié)果。還可以將結(jié)構(gòu)性謂詞添加到 WHERE 子句中。可以使用 count(*)、CTX_QUERY.COUNT_HITS 或 CTX_QUERY.EXPLAIN 來計算查詢的命中 (匹配) 數(shù)目。5．2 ABOUT查詢示例在所有語言中，ABOUT查詢增加了某查詢所返回的相關(guān)文檔的數(shù)目。在英語中，ABOUT 查詢可以使用索引的主題詞組件，該組件在默認(rèn)情況下創(chuàng)建。這樣，運算符將根據(jù)查詢的概念返回文檔，而不是僅依據(jù)所指定的精確單詞或短語。例如，以下查詢將查找文本列中關(guān)于主題 politics 的所有文檔，而不是僅包含 politics 一詞的文檔： SELECT SCORE(1) title from news WHERE CONTAINS(text, 'about(politics)', 1) > 0;
通常，通過使用Oracle Text查詢應(yīng)用程序，用戶可查看查詢所返回的文檔。用戶從命中列表中選擇一個文檔，然后應(yīng)用程序以某種形式顯示該文檔。通過Oracle Text，可以用不同的方式再現(xiàn)文檔。例如，可以通過突出顯示查詢詞來顯示文檔。突出顯示的查詢詞可以是相關(guān)詞查詢中的詞，也可以是英文 ABOUT 查詢中的主題詞。
以下是關(guān)于輸出效果和用于每個輸出效果的過程的信息：
突出顯示的文檔，純文本格式版本(CTX_DOC.MARKUP)
突出顯示的文檔，HTML版本(CTX_DOC.MARKUP)
突出顯示純文本格式版本的偏移量信息(CTX_DOC.HIGHLIGHT)
突出顯示HTML 版本的偏移量信息(CTX_DOC.HIGHLIGHT)
純文本格式版本，無突出顯示(CTX_DOC.FILTER)
HTML版本文檔，無突出顯示(CTX_DOC.FILTER) |
|
|
