（Oracle管理）oracle全文检索.pdf

（Oracle管理）oracle全

文检索

oracle全文检索

Oracle一直致力于全文检索技术的研究，当Oracle9iRlease2发布之时，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。使用

Oracle9i和OracleText，可以方便而有效地利用标准的SQL工具来构建基于文本的新的开

发工具或对现有应用程序进行扩展。应用程序开发人员可以在任何使用文本的Oracle数据

库应用程序中充分利用OracleText搜索，应用范围可以是现有应用程序中可搜索的注释字

段，也可是实现涉及多种文档格式和复杂搜索标准的大型文档管理系统。OracleText支持

Oracle数据库所支持的大多数语言的基本全文搜索功能。本文将介绍如何使用Oracle9i的

全文检索技术来为自己的应用提供一个优秀的解决方案。

1OracleText的体系架构

下图是OracleText的体系架构。

图1OracleText的体系架构

以上面的体系架构图为基础，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。例如，URL_DATASTORE将列数据作为URL使用。

（2）过滤器提取文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。

2简单的示例

这里先给出一个简单示例说利用OracleText实现全文检索的方法与步骤，在后面在进行具

体的说明。Orcale9i提供了OracleTextManager可以简化许多工作，所有在

OracleTextManager中完成的工作，都可以在通过PL/SQL来实现。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。

CTXSYS用户可执行以下任务：启动OracleText服务器，执行CTXAPP角色的所有任务。

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。

使用OracleText的步骤：

（1）创建表来保存某些文档。该示例使用一个主关键字列来标识每个文档，使用一个小的

VARCHAR2列来保存每个文档。

CREATETABLEdocs(idNUMBERPRIMARYKEY,textVACHAR2(80));

（2）将两个示例文档置入该表：

INSERTINTOdocsVALUES(1，thefirstdoc)；

INSERTINTOdocsVALUES(2，theseconddoc)；

COMMIT；

（3）使用OracleTextManager来创建和修改首选项，首选项将与索引相关联。

（4）使用OracleTextManager创建文本索引。另外，可以输入以下使用默认首选项的SQL

语句：

CREATEINDEXdoc_indexONdocs(text)INDEXTYPEISCTXSYS.CONTEXT;

（5）使用CONTAINS函数，发出