导读:除了利用office提供的API对word文档内容进行检索外,本文简要总结如何结合SQL Server的全文检索技术对Word文件的内容进行检索的三个方案。
一、结合Windows索引服务进行全文检索
方案摘要:
1. 改变文件存储时的文件名;
2. 配置索引服务器,并将索引服务器与MS SQL Server关联。
3. 修改SQL语句,将进行全文查询语句的内容加入查询条件中
一个详细的实例,参考这里:http://database.ctocio.com.cn/51/11440551.shtml
优点:可以独立对文件以目录方式物理存放,并且这些文件继续以doc格式存放。
缺点:只能读取,不能写入。
二、结合BLOB数据进行全文检索
方案摘要:将doc文件以BLOB数据格式varbinary(max)存放于数据库的表中,再对表进行全文检索。这是最为常见的一种方案了。
一个简单插入表的示例:-- -----二进制文件查询示例 /* ********************3w@live.cn*************** */ Use Master Go IF EXISTS ( SELECT name FROM sys.databases WHERE name = N ' BlobDataDemoDB ' ) DROP DATABASE BlobDataDemoDB GO USE Master GO CREATE DATABASE BlobDataDemoDB GO -- ------启用全文检索 /* ********************3w@live.cn*************** */ execute sp_fulltext_database ' enable ' go use blobDataDemoDB GO -- 创建一个包含BlOB列的表 /* ********************3w@live.cn*************** */ if OBJECT_ID ( ' SampleBlobTable ' ) is not null drop table SampleBlobTable go CREATE TABLE SampleBlobTable ( [ PKID ] int identity ( 1 , 1 ) primary key , [ FileType ] Nvarchar ( 32 ) null , [ FileName ] Nvarchar ( 255 ) null , [ FileContent ] VARBINARY ( MAX ) NULL , [ AddTime ] datetime default ( getdate ()) ) GO IF EXISTS ( SELECT * FROM sys.objects WHERE object_id = OBJECT_ID (N ' [dbo].[CPP_InsertOneBlobDataToTable] ' ) AND type in (N ' P ' , N ' PC ' )) DROP PROCEDURE [ dbo ] . [ CPP_InsertOneBlobDataToTable ] GO -- 创建一个插入数据到SQL server的存储过程 /* ********************3w@live.cn*************** */ CREATE PROCEDURE CPP_InsertOneBlobDataToTable ( @FileType nvarchar ( 32 ), @FileName nvarchar ( 255 ), @FileContent VARBINARY ( MAX ) ) AS INSERT SampleBlobTable( [ FileType ] , [ FileName ] , [ FileContent ] , [ AddTime ] ) VALUES ( @FileType , @Filename , @FileContent , getdate ()) GO
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.IO; using System.Data.SqlClient; using System.Data; namespace BlobDataSearchDemo { class Program { const string conn = @" Server=ap4\Agronet09;DataBase=BlobDataDemoDB;uid=sa;pwd=as; " ; static void Main( string [] args) { SaveDoc2SQLServer( @" D:\2008Data\StreamData\Doc\轻舞飞扬.doc " , conn); SaveDoc2SQLServer( @" D:\2008Data\StreamData\Doc\天龙八部.doc " , conn); SaveDoc2SQLServer( @" D:\2008Data\StreamData\Doc\English.doc " , conn); Console.ReadKey(); } private static void SaveDoc2SQLServer( string filepath, string conn) { FileInfo fi = new FileInfo(filepath); if (fi.Exists) { // Open the stream and read it back. using (FileStream fs = File.OpenRead(filepath)) { byte [] b = new byte [fi.Length]; SqlConnection Conn; SqlCommand cmdUploadDoc; UTF8Encoding temp = new UTF8Encoding( true ); while (fs.Read(b, 0 , b.Length) > 0 ) { Conn = new SqlConnection(conn); // Setting the SqlCommand cmdUploadDoc = new SqlCommand( " CPP_InsertOneBlobDataToTable " , Conn); cmdUploadDoc.CommandType = CommandType.StoredProcedure; cmdUploadDoc.Parameters.Add( " @FileName " , SqlDbType.NVarChar, 200 ).Value = fi.Name; cmdUploadDoc.Parameters.Add( " @FileContent " , SqlDbType.VarBinary, 0 ).Value = b; cmdUploadDoc.Parameters.Add( " @FileType " , SqlDbType.NVarChar, 32 ).Value = fi.Extension.Replace( " . " , "" ); Conn.Open(); cmdUploadDoc.ExecuteNonQuery(); Conn.Close(); } } } } } }
查询结果:
注意:
1、在数据库设置全文检索时,必须有一个字段是文档类型,SQL Server全文检索依据此文档类型启动相应的doc引擎进行检索。
2、必须设置全文检索的语言,中文为2052,英文为1033。
优点:将doc文件导入SQL Server数据库中,可以方便地进行读取和全文检索,必要时也可以写入。
缺点:varbinary(Max)受2G大小限制,而且数据库存入大量的BLOB数据,将变得异常臃肿,检索速度将大大降低。
三、结合FileStream进行全文检索
方案摘要:与方案二类似,只不过利用FileStream技术将doc文件以数据格式varbinary(max)存放于数据库外的物理文件中,再对表进行全文检索。
前提:必须安装全文检索并启用FileStream
参考:
http://msdn.microsoft.com/zh-cn/library/bb933993.aspx
http://www.cnblogs.com/downmoon/archive/2010/05/06/1727546.html
http://www.cnblogs.com/downmoon/archive/2010/05/08/1730044.html
优点:将doc文件导入SQL Server数据库中,可以方便地进行读取和全文检索,必要时也可以写入,并且克服了方案二的缺点。varbinary(Max)字段只存放索引,而实际的内容存放于数据库外,大小只受NTFS文件夹物理大小的限制。
小结:本文简要总结如何结合SQL Server的全文检索技术对Word文件的内容进行检索的三个方案。本人认为方案一和方案三均可行。欢迎交流。