主要概念

本主题涉及以下题目:

Oracle interMedia Text 简介

Oracle interMedia 产品的文本管理组件 (在以前的版本中称为 Oracle ConText ® Cartridge) 提供一个文本搜索系统,可以使文本在 Oracle 数据库中与其它数据一样被快捷地搜索和管理。 Oracle interMedia Text 提供了复杂的文本搜索技术,使文本成为 Oracle 服务器中的一个标准数据类型。在 Oracle8i 和 Oracle interMedia Text 中,利用标准 SQL 工具对现有应用程序进行新的基于文本的开发和扩展既轻松又节约成本。

从搜索启用现有应用程序中的注释字段到实现处理多种文档格式和复杂搜索标准的大规模文档管理系统,应用程序开发人员可以在任何使用文本的 Oracle 数据库应用程序中利用 Oracle interMedia Text 进行搜索。对于大多数 Oracle 数据库所支持的语言,Oracle interMedia Text 都支持基本的全文搜索。

配置索引

存储的文档具有各种不同的方案、格式和语言。 因此,每个 Oracle interMedia Text 索引都有许多选项需要设置,以将其配置用于特定的情况。

创建索引时,Oracle interMedia Text 可以使用一些默认值,但多数情况下都需要用户通过指定首选项对索引进行配置。

每个索引的许多选项可以组织成被称为“类”的功能组,每个类都集中反映配置的特定方面。 您可以将这些类视为是在询问与文档数据库有关的问题:

每个类都有一些预先定义的行为,被称为对象。每个对象都是对类所提问题的答案。例如,数据存储类包含以下对象:

您可以根据自己需要来自定义首选项。例如,假设文档存储在目录 /doc (ctx_ddl.set_attribute('MYPREF','PATH','/doc') 中。首选项 MYPREF 指定文档以外部文件的形式存储在目录 /doc 中。要在创建索引时使用该首选项,应将其标识为所需方案的默认数据存储。

产品文档中有对象和属性的完整列表。

有两组选项不能配置为首选项:

默认首选项

创建索引时,Oracle interMedia Text 将为每个类 (数据存储、过滤器、文档段组等等) 寻找一个首选项。如果用户不指定首选项,Oracle interMedia Text 将参考系统参数。每个系统参数都包含用作默认值的首选项的名称。

每个类都有系统参数:

创建数据库时,Oracle interMedia Text 会将这些系统参数设置为相应的默认首选项。 作为 CTXSYS 连接的用户能够重新设置这些系统参数。

interMedia Text 如何执行索引编制

下面是 interMedia Text 为一个文档编制索引时使用的主要逻辑步骤:

  1. 数据存储逻辑在表中各行上循环使用并从列中读出数据。 通常情况下,这只是列数据,但一些数据存储把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成一种文本表达式。存储 Word 文件或 Acrobat 文件等二进制文档时,必须进行该操作。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. 分段程序从过滤器中提取输出结果,然后将其转换成纯文本格式。包括 XML 和 HTML 在内的不同文本格式存在不同的分段程序。 纯文本格式转换包括检测重要的文档段标记、移去“不可见的”信息以及再格式化文本。

  4. 语言指定器从分段程序中提取纯文本并将其拆分成离散标记。 既存在空白字符分隔语言使用的语言指定器,也存在分段复杂的亚洲语言使用的专门语言指定器。

  5. 该引擎提取语言指定器中的所有标记,分段程序中的文档段偏移量和一个称作非索引字的低信息量词的列表,并建立一个倒排索引。倒排索引存储标记和含有这些标记的文档。

另请参阅:主要主题 (大纲)