Oracle全文检索之Context:http://space.itpub.net/81227/viewspace-692318
Oracle全文检索之Ctxcat 索引:http://space.itpub.net/81227/viewspace-692471
通过BASIC_LEXER来索引中文,Oracle只识别被空格、标点和回车符分隔出来的部分。需要对中文内容进行索引的话,就必须使用中文的LEXER。
Oracle提供了两种预定义的中文LEXER属性:CHINESE_VGRAM_LEXER和CHINESE_LEXER。
Oracle在文档上是这样描述的:
CHINESE_LEXER相对应CHINESE_VGRAM_LEXER属性有如下的优点:
产生的索引更小;
更好的查询响应时间;
产生更接近真实的索引切词,使得查询精度更高;
支持停用词。
SQL> CREATE TABLE T (ID NUMBER, DOCS VARCHAR2(1000));
Table created
SQL> INSERT INTO T VALUES (1, '一个中文例子,测试BASIC_LEXER语法属性是否可以正常识别中文。');
1 row inserted
SQL> commit;
Commit complete
SQL> CREATE INDEX IND_T_DOCS ON T (DOCS) INDEXTYPE IS CTXSYS.CONTEXT;
Index created
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '中文') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '一个中文例子') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
1 一个中文例子,测试BASIC_LEXER语法属性是否可以正常识别中文。
SQL> DROP INDEX IND_T_DOCS;
Index dropped
SQL> TRUNCATE TABLE T;
Table truncated
SQL> INSERT INTO T VALUES (1, '北京大学未名湖');
1 row inserted
SQL> INSERT INTO T VALUES (2, '北京邮电大学');
1 row inserted
SQL> INSERT INTO T VALUES (3, '北京市第十四中学');
1 row inserted
SQL> commit;
Commit complete
SQL> exec CTX_DDL.CREATE_PREFERENCE('TEST_CHINESE_VGRAM_LEXER', 'CHINESE_VGRAM_LEXER');
PL/SQL procedure successfully completed
SQL> exec CTX_DDL.CREATE_PREFERENCE('TEST_CHINESE_LEXER', 'CHINESE_LEXER');
PL/SQL procedure successfully completed
SQL> CREATE INDEX IND_T_DOCS ON T(DOCS) INDEXTYPE IS CTXSYS.CONTEXT
2 PARAMETERS ('LEXER TEST_CHINESE_VGRAM_LEXER');
Index created
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '北京') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
1 北京大学未名湖
2 北京邮电大学
3 北京市第十四中学
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '大学') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
1 北京大学未名湖
2 北京邮电大学
SQL> DROP INDEX IND_T_DOCS;
Index dropped
SQL> CREATE INDEX IND_T_DOCS ON T(DOCS) INDEXTYPE IS CTXSYS.CONTEXT
2 PARAMETERS ('LEXER TEST_CHINESE_LEXER');
Index created
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '北京') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
2 北京邮电大学
SQL> SELECT * FROM T WHERE CONTAINS(DOCS, '北京 or 北京市') > 0;
ID DOCS
---------- ----------------------------------------------------------------------
2 北京邮电大学
3 北京市第十四中学
通过对比结果可以发现:使用CHINESE_LEXER没有将第一条记录和第三条记录中的北京检索出来。也许Oracle的CHINESE_LEXER认为北京大学和北京市是一个完整的词汇,而没有对其进行进一步切分。也许这就是Oracle提到的这种切分方式更接近于真实的情况。
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/81227/viewspace-700233/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/81227/viewspace-700233/