Lexer: Attribute

Hinweis: Attribute mit Werten von character string können mehrere Zeichen enthalten. Jedes Zeichen in der Zeichenfolge wird als eindeutiges Zeichen für diesen Attributtyp verwendet. Wenn z.B. die Zeichenfolge *_.- für Printjoins angegeben wird, wird jedes einzelne Zeichen in der Zeichenfolge (Stern, Unterstreichungszeichen, Punkt, Bindestrich) als Verbindungszeichen behandelt, das in dem Indexeintrag für ein Token aufgenommen wird, in dem dieses Zeichen auftritt.

Hinweis: Folgende separate Hilfethemen stehen zur Verfügung MULTI_LEXER-Attribute (NLS-Sprache, Sprachspezifischer Lexer, ID von alternativem Sprachwert) und für Informationen über die Verwedung von MULTI_LEXER.

Hinweis: Konsistenzfehler, die mehrere Attribute betreffen (z.B. Angabe von NO für index_text und index_themes), werden nicht erkannt, wenn Sie Attributwerte festlegen, sondern nur, wenn Sie versuchen, den Lexer in einem Index zu verwenden.

Alternate_Spelling: Aktiviert die Rechtschreibung in der angegebenen Sprache.
Werte: GERMAN, DANISH, SWEDISH oder leer (Standardwert: alternative Schreibweise in allen drei Sprachen aktiviert).

Base_Letter: Gibt an, ob Zeichen mit diakritischen Marken (Umlauten, Cedille, Akut-Akzenten usw.) in ihre Basisform konvertiert werden, bevor sie in dem Textindex gespeichert werden.
Werte: YES oder NO (Standardwert: Konvertierung von Basisbuchstaben deaktiviert)

Hinweis: base_letter ist immer NO, wenn composite GERMAN oder DUTCH ist.

Composite: Gibt eine Sprache an, für die die Indizierung von zusammengesetzten Wörtern aktiviert ist.
Werte: GERMAN, DUTCH oder leer (Standardwert: Indizierung von zusammengesetzten Wörtern deaktiviert)

Hinweis: mixed_case ist immer YES, wenn composite GERMAN ist.

Continuation: Zeichen, mit denen angegeben wird, dass ein Wort auf der nächsten Zeile fortgesetzt wird und als einzelnes Token indiziert werden soll. Die gebräuchlichsten Fortsetzungszeichen sind der Bindestrich (-) und der umgekehrte Schrägstrich (\).
Werte: Zeichenfolge

Endjoins: Zeichen, die als letztes Zeichen in einem Token explizit das Ende des Token identifizieren. Das Zeichen sowie andere startjoins-Zeichen, die unmittelbar auf dieses Zeichen folgen, werden in dem Indexeintrag von Oracle interMedia Text für das Token aufgenommen.
Werte: Zeichenfolge

Die folgenden Regeln gelten sowohl für startjoins als auch für endjoins:

Index_Text: Gibt an, ob Wortinformationen indiziert sind. Die Attribute index_themes und index_text können nicht beide NO sein.
Werte: YES oder NO

Index_Themes: Gibt an, ob Themeninformationen indiziert sind. (Die Themen sind in interMedia Knowledge Base aufgelistet. Weitere Informationen finden Sie in der Produktdokumentation.) Durch Aktivierung von Indexthemeninformationen (YES) wird der ABOUT-Operator für Abfragen aktiviert. Die Attribute index_themes und index_text können nicht beide NO sein.
Werte: YES oder NO

Mixed_Case: Gibt an, ob der Lexer die Token in Text-Indexeinträgen genau so speichert, wie sie in dem Text auftreten (YES), oder die Token in Text-Indexeinträgen in Großbuchstaben konvertiert (NO).
Werte: YES oder NO (Standardwert: Token werden in Großbuchstaben konvertiert)

Hinweis: Oracle interMedia Text stellt sicher, dass Textabfragen der Groß-/Kleinschreibung des abgefragten Index entsprechen. Wenn Sie also die Berücksichtigung der Groß-/Kleinschreibung für Ihren Textindex aktivieren, wird die Groß-/Kleinschreibung bei Abfragen mit dem Index stets berücksichtigt.

Hinweis: mixed_case ist immer YES, wenn composite GERMAN ist.

Newline: Zeichen, die das Ende einer Textzeile angeben. BASIC_LEXER verwendet newline-Zeichen in Verbindung mit punctuations- und whitespace-Zeichen, um Zeichenfolgen zu identifizieren, die als Absatzbegrenzungszeichen für die satz-/absatzorientierte Suche dienen.
Werte: NEWLINE (\n) (Standardwert) oder CARRIAGE_RETURN (\r) (für Zeilenschaltungen)

Numgroup: Ein einzelnes Zeichen, das, wenn es in einer Ziffernfolge auftritt, angibt, dass es sich bei den Ziffern um Gruppierungen innerhalb einer größeren einzelnen Einheit handelt. So könnte z.B. Punkt (.) als numgroup-Zeichen definiert werden, da es häufig als Tausendertrennzeichen in einer Zifferngruppe dient (Beispiel: 25.350). (Siehe auch Hinweis zu Numjoin.)
Werte: einzelnes Zeichen

Numjoin: Zeichen, das, wenn es in einer Ziffernfolge auftritt, dazu führt, dass Oracle interMedia Text die Ziffernfolge als eine einzelne Einheit oder ein Wort indiziert. So könnte z.B. Komma (,) als numjoin-Zeichen definiert werden, da es häufig als Dezimalazeichen in einer Ziffernfolge dient (z.B. 99,375).
Werte: Zeichenfolge

Hinweis: Die Standardwerte für numjoin und numgroup werden von den NLS-Initialisierungsparametern bestimmt, die für die Datenbank angegeben sind. Im Allgemeinen muss kein Wert für numjoin oder numgroup angegeben werden, wenn eine Lexer-Voreinstellung für das Objekt BASIC_LEXER erstellt wird.

Printjoins: Nicht-alphanumerische Zeichen, die, wenn sie an einer beliebigen Stelle in einem Wort (Anfang, Mitte oder Ende) auftreten, von Oracle interMedia Text als alphanumerisch verarbeitet und mit dem Token in dem Textindex aufgenommen werden. Dies umfasst printjoins, die konsekutiv auftreten. Wenn z.B. der Bindestrich (-) und das Unterstreichungszeichen (_) als printjoins definiert sind, werden Begriffe wie pseudo-intellektuell und _Datei_ in dem Textindex als pseudo-intellektuell und _Datei_ gespeichert.
Werte: Zeichenfolge

Hinweis: Wenn ein printjoins-Zeichen auch als punctuations-Zeichen definiert ist, wird das Zeichen nur als alphanumerisches Zeichen verarbeitet, wenn das unmittelbar darauffolgende Zeichen ein standardmäßiges alphanumerisches Zeichen ist oder als printjoins- oder skipjoins-Zeichen definiert wurde.

Hinweis: printjoins und skipjoins schließen sich gegenseitig aus. Dieselben Zeichen können nicht für beide Attribute angegeben werden.

Punctuations: Nicht-alphanumerische Zeichen, die, wenn sie am Ende eines Wortes auftreten, das Ende eines Satzes angeben. Die Standardwerte sind Punkt (.), Fragezeichen (?) und Ausrufungszeichen (!). Zeichen, die als punctuations definiert sind, werden vor der Textindizierung aus einem Token entfernt. Wenn jedoch ein punctuations-Zeichen außerdem als printjoins-Zeichen definiert ist, wird das Zeichen nur entfernt, wenn es sich um das letzte Zeichen in dem Token handelt und vor ihm unmittelbar dasselbe Zeichen steht. Werte: Zeichenfolge

Skipjoins: Nicht-alphanumerische Zeichen, die, wenn sie innerhalb eines Wortes auftreten, das Wort als ein einzelnes Token identifizieren. Die Zeichen werden jedoch nicht mit dem Token in dem Textindex gespeichert. Wenn z.B. das Zeichen für den Bindestrich (-) als skipjoins definiert ist, wird das Wort pseudo-intellektuell in dem Textindex als pseudointellektuell gespeichert.

Werte: Zeichenfolge

Hinweis: printjoins und skipjoins schließen sich gegenseitig aus. Dieselben Zeichen können nicht für beide Attribute angegeben werden.

Startjoins: Zeichen, die, wenn sie als erstes Zeichen in einem Token auftreten, explizit den Anfang des Token identifizieren. Das Zeichen sowie andere startjoins-Zeichen, die unmittelbar darauf folgen, werden in dem Indexeintrag von Oracle interMedia Text für das Token aufgenommen. Außerdem beendet das erste startjoins-Zeichen in einer Folge von startjoins-Zeichen implizit das vorherige Token.
Werte: Zeichenfolge

Die folgenden Regeln gelten sowohl für startjoins als auch für endjoins:

Theme_Language: Sprache, die für das Indizieren und Generieren von Themen benutzt wird. Die französische Version ist seit Release 8.1.6 öffentlich. Dies ermöglicht die Indizierung und Generierung von Themen für Dokumente in der französischen Sprache. Standardmäßig verwendet der BAsis-Lexer die zu benutzende Knowledge-Basis (Französisch oder Englisch) entsprechend der Einstellung von NLS_LANG für diese Sitzung. Wenn die Einstellung von NLS_LANG nicht mit Ihren Dokumenten übereinstimmt (z.B. verwenden Sie französische Dokumente in einer englischen Umgebung), führt dies dazu, dass das falsche Lexikon benutzt wird, oder (wenn die Umgebung weder französisch noch englisch ist) zu einem Fehler. Wenn Sie z.B. FRENCH für Theme_Language angeben, erzeugt der Lexer französische Themen ungeachtet der Sprachumgebung.
Werte: AUTO (Standard), ENGLISH oder FRENCH

Whitespace: Zeichen, die als Leerzeichen zwischen Token behandelt werden. BASIC_LEXER verwendet whitespace-Zeichen in Verbindung mit punctuations- und newline-Zeichen, um Zeichenfolgen zu identifizieren, die als Satzbegrenzungszeichen für die satz-/absatz-basierte Suche verwendet werden. Die vordefinierten Standardwerte für whitespace sind 'space' und 'tab'; diese Werte können nicht geändert werden. Durch Angabe von Zeichen als whitespace-Zeichen werden diese zu den Standardwerten hinzugefügt.
Werte: Zeichenfolge

Schaltflächen (Anwenden, Zurückschreiben, SQL zeigen/SQL verbergen)

Siehe auch: Hauptthemen (Gliederung)