oracle全文检索.docx
《oracle全文检索.docx》由会员分享,可在线阅读,更多相关《oracle全文检索.docx(53页珍藏版)》请在冰豆网上搜索。
oracle全文检索
全文检索(oracletext)
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,Oracle
Text是Oracle9i采用的新名称,在oracle8/8i中被称为oracleintermediatext,oracle8以前是
oraclecontextcartridge。
OracleText的索引和查找功能并不局限于存储在数据库中的数据。
它可以对存储于文件系统中的文档进行检索和查找,并可检索超过150种文档类型,包括
MicrosoftWord、PDF和XML。
OracleText查找功能包括模糊查找、词干查找(搜索mice
和查找mouse)、通配符、相近性等查找方式,以及结果分级和关键词突出显示等。
你甚至
可以增加一个词典,以查找搭配词,并找出包含该搭配词的文档。
Oracletext需要为可检索的数据项建立索引,用户才能够通过搜索查找内容,索引进
程是根据管道建模的,在这个管道中,数据经过一系列的转换后,将其关键字会添加到索引
中。
该索引进程分为多个阶段,如下图
1.数据检索(Datastore):
只是将数据从数据存储(例如web页面、数据库大型对象或本
地文件系统)中取出,然后作为数据流传送到下一个阶段。
2.过滤(Filter):
过滤器负责将各种文件格式的数据转换为纯文本格式,索引管道中的其
他组件只能处理纯文本数据,不能识别Msword或excel等文件格式。
3.分段(Sectioner):
分段器添加关于原始数据项结构的元数据。
4.词法分析(Lexer):
根据数据项的语言将字符流分为几个字词。
5.索引(Index):
最后一个阶段将关键字添加到实际索引中。
测试环境:
LinuxASrelease4(NahantUpdate3),oracle10g(10.2.0.2.0)
内容简介:
本文档主要以实验为主,文档中包含了大量的实验例子,部分测试用例来自document,
部分来自网友的测试,所有的例子都在oracle10g中测试通过。
(1).
配置oracletext
9i之前,OracleText不是默认安装的,必须手工安装。
检查数据库中是否有ctxsys用户
和ctxapp脚色,如果没有这个用户和角色,这意味着你在创建数据库时没有安装oracletext
功能,需要先配置上该功能。
9i安装text
--创建表空间
SQL>createtablespacedrsysdatafile'/opt/oracle10g/oradata/10gtest/drsys01.dbf'size
100m;
SQL>connect/assysdba
--创建ctxsys用户
SQL>@?
/ctx/admin/dr0csyspassworddefault_tablespace_nametemporary_tablespace_name
SQL>connectctxsys/password
--创建数据字典
SQL>@?
/ctx/admin/dr0inst@?
/ctx/lib/libctxx9.so
SQL>@?
/ctx/admin/defaults/drdefus.sql;
Oracl0g安装text:
SQL>connect/assysdba
SQL>@?
/ctx/admin/catctx.sqlctxsysTBS_DRSYStempunlock
Connctxsys/ctxsys
SQL>@?
/ctx/admin/defaults/drdefel.sql
(2).
创建测试用户oratext
Alteruserctxsysidentifiedbyctxsysaccountunlock(10g默认安装,帐号被锁定);
Createtablespaceoratextdatafile'/opt/oracle10g/oradata/10gtest/oratext01.dbf'size
2000m;
Createuseroratextidentifiedbyoratectdefaulttablespaceoratexttemporarytablespace
temp;
Alterdatabasetempfile'/opt/oracle10g/oradata/10gtest/temp01.dbf'resize2000m;
SQL>Createuseroratextidentifiedbyoratextdefaulttablespaceoratexttemporary
tablespacetemp;
Grantresource,connect,ctxapptooratext;
Grantexecuteonctxsys.ctx_clstooratext;
Grantexecuteonctxsys.ctx_ddltooratext;
Grantexecuteonctxsys.ctx_doctooratext;
Grantexecuteonctxsys.ctx_outputtooratext;
Grantexecuteonctxsys.ctx_querytooratext;
Grantexecuteonctxsys.ctx_reporttooratext;
Grantexecuteonctxsys.ctx_thestooratext;
Grantexecuteonctxsys.ctx_ulexertooratext;
查看系统默认的oracletext参数
Selectpre_name,pre_objectfromctx_preferences
(3).
OracleText索引原理
Oracletext索引将文本中所有的字符转化成记号(token),如会转化
成www,taobao,com这样的记号。
Oracle10g里面支持四种类型的索引,context,ctxcat,ctxrule,ctxxpath
索引类型描述查询操作符
CONTEXT用于对含有大量连续文本数据进行检索。
支持word、html、xml、text
等很多数据格式。
支持范围(range)分区,支持并行创建索引(Parallel
indexing)的索引类型。
支持类型:
VARCHAR2,CLOB,BLOB,CHAR,BFILE,
XMLType,andURIType.
DML操作后,需要CTX_DDL.SYNC_INDEX手工同步索引
如果有查询包含多个词语,直接用空格隔开(如oracleitpub)
CONTAINS
CTXCAT适用于混合查询语句(如查询条件包括产品id,价格,描述等)。
适
合于查询较小的具有一定结构的文本段。
具有事务性。
DML操作后,索引会自动进行同步。
操作符:
and,or,>,<,=,between,in
CATSEARCH
CTXRULEUseCTXRULEindextobuildadocumentclassificationorrouting
application.TheCTXRULEindexisanindexcreatedonatable
ofqueries,wherethequeriesdefinetheclassificationor
routingcriteria.
MATCHES
CTXXPATHCreatethisindexwhenyouneedtospeedupexistsNode()queries
onanXMLTypecolumn.
1.
Context索引
Oracletext索引把全部的word转化成记号,context索引的架构是反向索引(inverted
index),每个记号都映射着包含它自己的文本位置,如单词dog可能会有如下的条目
DogDoc1Doc3Doc5
这表示dog在文档doc1,doc3,doc5中都出现过。
索引建好之后,系统中会自动产生
如下DR$MYINDEX$I,DR$MYINDEX$K,DR$MYINDEX$R,DR$MYINDEX$X,MYTABLE5个表(假设表为
mytable,索引为myindx)。
Dml操作后,context索引不会自动同步,需要利用
ctx_ddl.sync_index手工同步索引。
例子:
Createtabledocs(idnumberprimarykey,textvarchar2(200));
Insertintodocsvalues(1,'californiaisastateintheus.');
Insertintodocsvalues(2,'parisisacityinfrance.');
Insertintodocsvalues(3,'franceisineurope.');
Commit;
/
--建立context索引
Createindexidx_docsondocs(text)
indextypeisctxsys.contextparameters
('filterctxsys.null_filtersectiongroupctxsys.html_section_group');
--查询
Columntextformata40;
Selectid,textfromdocswherecontains(text,'france')>0;
idtext
-----------------------------------------
3franceisineurope.
2parisisacityinfrance.
--继续插入数据
Insertintodocsvalues(4,'losangelesisacityincalifornia.');
Insertintodocsvalues(5,'mexicocityisbig.');
commit;
Selectid,textfromdocswherecontains(text,'city')>0;--新插入的数据没有查询到
idtext
--------------------------------------------
2parisisacityinfrance.
--索引同步
begin
ctx_ddl.sync_index('idx_docs','2m');
end;
--查询
Columntextformata50;
Selectid,textfromdocswherecontains(text,'city')>0;--查到数据
idtext
-----------------------------------------------
5mexicocityisbig.
4losangelesisacityincalifornia.
2parisisacityinfrance.
--or操作符
Selectid,textfromdocswherecontains(text,'cityorstate')>0;
--and操作符
Selectid,textfromdocswherecontains(text,'cityandstate')>0;
或是
Selectid,textfromdocswherecontains(text,'citystate')>0;
--score表示得分,分值越高,表示查到的数据越精确
SELECTSCORE
(1),id,textFROMdocsWHERECONTAINS(text,'oracle',1)>0;
Context类型的索引不会自动同步,这需要在进行Dml后,需要手工同步索引。
与context索引相对
于的查询操作符为contains
语法:
Contains(
[schema.]column,
text_queryvarchar2
[,labelnumber])
Returnnumber;
indextypeisctxsys.context:
表示所定义的索引类型为context
2.
Ctxcat索引
用在多列混合查询中
Ctxcat可以利用indexset建立一个索引集,把一些经常与ctxcat查询组合使用的查询列添加
到索引集中。
比如你在查询一个商品名时,还需要查询生产日期,价格,描述等,你可可以
将这些列添加到索引集中。
oracle将这些查询封装到catsearch操作中,从而提高全文索引
的效率。
在一些实时性要求较高的交易上,context的索引不能自动同步显然是个问题,ctxcat
则会自动同步索引(原文:
Thisexamplecreatesacatalogindexforanauctionsitethatsells
electronicequipmentsuchascamerasandCDplayers.Newinventoryisaddedeverydayanditem
descriptions,biddates,andpricesmustbestoredtogether.Theapplicationrequiresgoodresponse
timeformixedqueries.Thekeyistodeterminewhatcolumnsusersfrequentlysearchsothatwe
cancreateasuitableCTXCATindex.QueriesonthistypeofindexareissuedwiththeCATSEARCH
operator.)
例子:
Createtableauction(Item_idnumber,Titlevarchar2(100),Category_idnumber,Price
number,Bid_closedate);
Insertintoauctionvalues(1,'nikoncamera',1,400,'24-oct-2002');
Insertintoauctionvalues(2,'olympuscamera',1,300,'25-oct-2002');
Insertintoauctionvalues(3,'pentaxcamera',1,200,'26-oct-2002');
Insertintoauctionvalues(4,'canoncamera',1,250,'27-oct-2002');
Commit;
/
--确定你的查询条件(很重要)
Determinethatallqueriessearchthetitlecolumnforitemdescriptions
--建立索引集
begin
ctx_ddl.create_index_set('auction_iset');
ctx_ddl.add_index('auction_iset','price');/*sub-indexa*/
end;
--建立索引
Createindexauction_titlexonauction(title)indextypeisctxsys.ctxcat
parameters('indexsetauction_iset');
Columntitleformata40;
Selecttitle,pricefromauctionwherecatsearch(title,'camera','orderbyprice')>0;
Titleprice
-------------------------
Pentaxcamera200
Canoncamera250
Olympuscamera300
Nikoncamera400
Insertintoauctionvalues(5,'aigocamera',1,10,'27-oct-2002');
Insertintoauctionvalues(6,'lencamera',1,23,'27-oct-2002');
commit;
/
--测试索引是否自动同步
Selecttitle,pricefromauctionwherecatsearch(title,'camera',
'price<=100')>0;
Titleprice
-------------------------
aigocamera10
lencamera23
添加多个子查询到索引集:
begin
ctx_ddl.drop_index_set('auction_iset');
ctx_ddl.create_index_set('auction_iset');
ctx_ddl.add_index('auction_iset','price');/*sub-indexA*/
ctx_ddl.add_index('auction_iset','price,bid_close');/*sub-indexB*/
end;
dropindexauction_titlex;
Createindexauction_titlexonauction(title)indextypeisctxsys.ctxcat
parameters('indexsetauction_iset');
SELECT*FROMauctionWHERECATSEARCH(title,'camera','price=200orderbybid_close')>
0;
SELECT*FROMauctionWHERECATSEARCH(title,'camera','orderbyprice,bid_close')>0;
任何的Dml操作后,Ctxcat的索引会自动进行同步,不需要手工去执行,与ctxcat索引相对
应的查询操作符是catsearch.
语法:
Catsearch(
[schema.]column,
Text_queryvarchar2,
Structured_queryvarchar2,
Returnnumber;
例子:
catsearch(text,'dog','foo>15')
catsearch(text,'dog','bar=''SMITH''')
catsearch(text,'dog','foobetween1and15')
catsearch(text,'dog','foo=1andabc=123')
3.
Ctxrule索引
Thefunctionofaclassificationapplicationistoperformsomeactionbasedondocumentcontent.
Theseactionscanincludeassigningacategoryidtoadocumentorsendingthedocumenttoauser.
Theresultisclassificationofadocument.
例子:
Createtablequeries(query_idnumber,query_stringvarchar2(80));
insertintoqueriesvalues(1,'oracle');
insertintoqueriesvalues(2,'larryorellison');
insertintoqueriesvalues(3,'oracleandtext');
insertintoqueriesvalues(4,'marketshare');
commit;
--建立索引
Createindexqueryxonqueries(query_string)indextypeisctxsys.ctxrule;
Columnquery_stringformata35;
Selectquery_id,query_stringfromqueries
wherematches(query_string,
'oracleannouncedthatitsmarketshareindatabases
increasedoverthelastyear.')>0;
query_idquery_string
---------------------------------------------
1oracle
4marketshare
4.
Ctxxpath索引
CreatethisindexwhenyouneedtospeedupexistsNode()queriesonanXMLTypecolumn
以上是oracletext索引的几种类型,通常用的比较多的是context和ctxcat索引。
语法参考:
接下来,我们来重新看一下索引的内部处理流程,先从Datasotre开始
类别描述
Datastore从哪儿得到数据
Filter数据如何转化成文本
Lexer正在索引什么语言
Wordlist如何展开词根和模糊查询
Storage索引怎么存储
StopList哪些词和主题不被索引
SectionGroup允许分区查询吗,如何定义文