全文索引(oracle text)

最新推荐文章于 2024-04-01 08:50:29 发布

kf_panda

最新推荐文章于 2024-04-01 08:50:29 发布

阅读量2.4k

点赞数

分类专栏： ORACLE INDEX

ORACLE INDEX 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Oracle Text 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 oracle intermedia text，oracle8 以前是 oracle context cartridge。Oracle Text 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 Microsoft Word、PDF 和 XML。Oracle Text 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。

Oracle text 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 Ms word 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：

Linux AS release 4 (Nahant Update 3)， 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 oracle text

9i 之前，Oracle Text 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 oracle text 功能，需要先配置上该功能。

9i 安装 text

--创建表空间

SQL>create tablespace drsys datafile '/opt/oracle10g/oradata/10gtest/drsys01.dbf' size
100m;

SQL> connect / as sysdba
--创建ctxsys 用户

SQL> @?/ctx/admin/dr0csys password default_tablespace_name temporary_tablespace_name SQL> connect ctxsys/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.sqlctxsys TBS_DRSYS temp unlock Conn ctxsys/ctxsys

SQL> @?/ctx/admin/defaults/drdefel.sql

(2).

创建测试用户 oratext

Alter user ctxsys identified by ctxsys account unlock（10g 默认安装，帐号被锁定）;

Create tablespace oratext datafile '/opt/oracle10g/oradata/10gtest/oratext01.dbf' size2000m ;

Create user oratext identified by oratect default tablespaceoratext temporary tablespace
temp;

Alter database tempfile '/opt/oracle10g/oradata/10gtest/temp01.dbf' resize 2000m;

SQL>Create user oratext identified by oratext default tablespace oratext temporary tablespace temp;

Grant resource, connect, ctxapp to oratext;

Grant execute on ctxsys.ctx_cls to oratext;

Grant execute on ctxsys.ctx_ddl to oratext;

Grant execute on ctxsys.ctx_doc to oratext;

Grant execute on ctxsys.ctx_output to oratext;
Grant execute on ctxsys.ctx_query to oratext;
Grant execute on ctxsys.ctx_report to oratext;
Grant execute on ctxsys.ctx_thes to oratext;
Grant execute on ctxsys.ctx_ulexer to oratext;

查看系统默认的 oracle text 参数

Select pre_name, pre_object from ctx_preferences

(3).

Oracle Text 索引原理

Oracle text 索引将文本中所有的字符转化成记号（token），如 www.taobao.com 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

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, and URIType.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 oracle itpub).

查询操作符：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：CATSEARCH and,or,>,<, =,between,in

查询操作符：CATSEARCH

CTXRULE： Use CTXRULE index tobuild a document classification or routing application. The CTXRULE index is an index createdon a table of queries, where thequeries define the classification or routing criteria.

查询操作符： MATCHES

CTXXPATH ：Createthis index when you need to speed up existsNode() queries

on an XMLType column.

Context 索引

Oracle text 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

Dog Doc1 Doc3 Doc5

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：

Create table docs (id number primary key, text varchar2(200));

Insert into docs values(1, '<html>california is a state in the us.</html>');
Insert into docs values(2, '<html>paris is a city in france.</html>');
Insert into docs values(3, '<html>france is in europe.</html>');
Commit;

--建立 context 索引

Create index idx_docs on docs(text)

indextype is ctxsys.context parameters

('filter ctxsys.null_filter section group ctxsys.html_section_group');

--查询

Column text format a40;

Select id, text from docs where contains(text, 'france') > 0;

id text

3 <html>france is in europe.</html>

2 <html>paris is a city in france.</html>

--继续插入数据

Insert into docs values(4, '<html>los angeles is a city in california.</html>');
Insert into docs values(5, '<html>mexico city is big.</html>');
commit;

Select id, text from docs where contains(text, 'city') > 0;--新插入的数据没有查询到

id text

2 <html>paris is a city in france.</html>

--索引同步
begin

ctx_ddl.sync_index('idx_docs', '2m');
end;

--查询

Column text format a50;

Select id, text from docs where contains(text, 'city') > 0; --查到数据

id text

5 <html>mexico city is big.</html>

4 <html>los angeles is a city in california.</html>

2 <html>paris is a city in france.</html>

-- or 操作符

Select id, text from docs where contains(text, 'city or state ') > 0; --and 操作符

Select id, text from docs where contains(text, 'city and state ') > 0;
或是

Select id, text from docs where contains(text, 'city state ') > 0;

--score 表示得分，分值越高，表示查到的数据越精确

SELECT SCORE(1), id, text FROM docs WHERE CONTAINS(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_query varchar2

[,label number])

Return number;

indextype isctxsys.context: 表示所定义的索引类型为 context

Ctxcat 索引

用在多列混合查询中

Ctxcat 可以利用 index set 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：This example creates acatalog index for an auction site that sells
electronic equipmentsuch as cameras and CD players. New inventory is added everyday and item
descriptions, bid dates, and prices must be stored together.The applicationrequires good response
time for mixed queries. The key is todetermine what columns users frequently search so that we
can create a suitable CTXCAT index. Queries on thistype of index are issued with the CATSEARCH
operator.）

例子：

Create table auction(Item_id number,Title varchar2(100),Category_id number,Price number,Bid_close date);

Insert into auction values(1, 'nikon camera', 1, 400, '24-oct-2002');

Insert into auction values(2, 'olympus camera', 1, 300, '25-oct-2002');
Insert into auction values(3, 'pentax camera', 1, 200, '26-oct-2002');
Insert into auction values(4, 'canon camera', 1, 250, '27-oct-2002');
Commit;

--确定你的查询条件(很重要)

Determine that all queries search the title column for item descriptions --建立索引集

begin

ctx_ddl.create_index_set('auction_iset');

ctx_ddl.add_index('auction_iset','price'); /* sub-index a*/
end;

--建立索引

Create index auction_titlex on auction(title) indextype is ctxsys.ctxcat parameters ('index set auction_iset');

Column title format a40;

Select title, price from auction where catsearch(title, 'camera', 'order by price')> 0;

Title price

Pentax camera 200

Canon camera 250

Olympus camera 300

Nikon camera 400

Insert into auction values(5, 'aigo camera', 1, 10, '27-oct-2002');
Insert into auction values(6, 'len camera', 1, 23, '27-oct-2002');
commit;

--测试索引是否自动同步

Select title, price from auction where catsearch(title, 'camera',
'price <= 100')>0;

Title price

aigo camera 10

len camera 23

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-index A */

ctx_ddl.add_index('auction_iset','price, bid_close'); /* sub-index B */
end;

drop index auction_titlex;

Create index auction_titlex on auction(title) indextype is ctxsys.ctxcat parameters ('index set auction_iset');

SELECT * FROM auction WHERE CATSEARCH(title, 'camera','price = 200order by bid_close')>
0;

SELECT * FROM auction WHERE CATSEARCH(title, 'camera','order by price, 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_query varchar2,

Structured_queryvarchar2,
Return number;

例子：

catsearch(text, 'dog','foo > 15')

catsearch(text, 'dog','bar = ''SMITH''')

catsearch(text, 'dog', 'foo between 1 and 15')
catsearch(text, 'dog','foo = 1 and abc = 123')

Ctxrule 索引

The function of a classification applicationis to perform some action based on document content. These actions can include assigning a category id to a document orsending the document to a user. Theresult is classification of a document.

例子：

Create table queries (query_id number,query_string varchar2(80)); insert into queries values (1, 'oracle');

insert into queries values (2, 'larry or ellison');
insert into queries values (3, 'oracle and text');
insert into queries values (4, 'market share');
commit;

--建立索引

Create index queryx on queries(query_string) indextype is ctxsys.ctxrule;

Column query_string format a35;

Select query_id,query_string from queries
where matches(query_string,

'oracle announced that its market share in databasesincreased over the last year.')>0;

query_id query_string

1 oracle

4 market share

Ctxxpath 索引

Create this index when you need to speed up existsNode()queries on an XMLType column

以上是 oracle text 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:

http://download.oracle.com/docs/cd/B19306_01/text.102/b14218/csql.htm#i997226

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

Stop List 哪些词和主题不被索引

Section Group 允许分区查询吗，如何定义文档区段

(4).

Datastore 属性

数据检索负责将数据从数据存储（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。Datastore 包含的类型有 Direct datastore, Multi_column_datastore, Detail_datastore, File_datastore,Url_datastore, User_datastore,
Nested_datastore。

DatastoreType Use When

DIRECT_DATASTORE 检索表（数据存储在单列中）

MULTI_COLUMN_DATASTORE 检索表（数据存储在多列中）

DETAIL_DATASTORE Data is stored internally in the text column. Documentconsists of one

or more rows stored in a text column in a detailtable, with header

information stored in a master table.

FILE_DATASTORE 检索本地操作系统上的文档

NESTED_DATASTORE 检索嵌套表

URL_DATASTORE 检索 Internet 地址

USER_DATASTORE Documents are synthesized at index time by auser-defined stored procedure.

Direct datastore

支持存储数据库中的数据,单列查询.没有 attributes 属性

支持类型：char, varchar, varchar2,blob, clob, bfile,or xmltype. 例子：

Create table mytable(id number primary key, docs clob);

Insert into mytable values(111555,'this text will be indexed');

Insert into mytable values(111556,'this is a direct_datastore example');

Commit;

--建立 direct datastore

Create index myindex on mytable(docs)
indextype is ctxsys.context

parameters ('datastore ctxsys.default_datastore');

Select * from mytable where contains(docs, 'text') > 0;

Multi_column_datastore

适用于索引数据分布在多个列中

the column list is limited to 500 bytes

支持 number 和 date 类型，在索引之前会先转化成 textt

raw and blob columns are directly concatenated as binarydata.
不支持 long, long raw,nchar, and nclob, nested table
例子：

Create table mytable1(id number primary key, doc1 varchar2(400),doc2 varchar2(400),doc3 varchar2(400));

Insert into mytable1 values(1,'this text will be indexed','following example creates amulti-column ','denotes that the bar column ');

Insert into mytable1 values(2,'this is a direct_datastore example','use this datastore when

your text is stored in more than one column','the system concatenates the text columns'); Commit;

--建立 multi datastore
Begin

Ctx_ddl.create_preference('my_multi', 'multi_column_datastore');
Ctx_ddl.set_attribute('my_multi', 'columns', 'doc1, doc2, doc3');
End;

--建立索引

Create index idx_mytable on mytable1(doc1)indextype is ctxsys.context

parameters('datastore my_multi')

Select * from mytable1 where contains(doc1,'direct datastore')>0; Select * from mytable1 where contains(doc1,'example creates')>0;--只更新从表，看是否能查到更新的信息

Update mytable1 set doc2='adladlhadad this datastore when your text isstored test' where
id=2;

Begin

Ctx_ddl.sync_index('idx_mytable');
End;

Select * from mytable1 where contains(doc1,'adladlhadad')>0; --没有记录

Update mytable1 set doc1='this is a direct_datastore example' where id=2; --更新主表

Begin

Ctx_ddl.sync_index('idx_mytable');--同步索引
End;

Select * from mytable1 where contains(doc1,'adladlhadad')>0; -查到从表的更新

对于多列的全文索引可以建立在任意一列上，但是，在查询时指定的列必须与索引时指定的列保持一致，只有索引指定的列发生修改，oracle 才会认为被索引数据发生了变化，仅修改其他列而没有修改索引列，即使同步索引也不会将修改同步到索引中.

Detail_datastore

适用于主从表查询（原文：use the detail_datastoretype for text stored directly in the database in detail tables, with theindexed text column located in the master table）

因为真正被索引的是从表上的列，选择主表的那个列作为索引并不重要，但是选定之后，查询条件中就必须指明这个列

主表中的被索引列的内容并没有包含在索引中

DETAIL_DATASTORE属性定义

Attribute Attribute Value

binary Specify TRUE for Oracle Text to add no newlinecharacter after each detail row

SpecifyFALSE for Oracle Text to add a newline character (\n) after each detail rowautomatically.

detail_table 从表

detail_key 从表外键

detail_lineno Specify the name of the detail tablesequence column.

detail_text 从表索引列

例子：

create table my_master -建立主表

(article_id number primary key,author varchar2(30),title varchar2(50),body varchar2(1)); create table my_detail -建立从表

(article_id number, seq number, text varchar2(4000),

constraint fr_id foreign key (ARTICLE_ID) references my_master (ARTICLE_ID)); --模拟数据

insert into my_master values(1,'Tom','expert on and on',1);

insert into my_master values(2,'Tom','Expert Oracle Database Architecture',2); commit;

insert into my_detail values(1,1,'Oracle will find the undo information for thistransactioneither in the cached

undo segment blocks (most likely) or on disk ');

insert into my_detail values(1,2,'if they have been flushed (more likely for very largetransactions).');

insert into my_detail values(1,3,'LGWR is writing to a different device, then there is no contention for redo logs');

insert into my_detail values(2,1,'Many other databases treat the log files as');

insert into my_detail values(2,2,'For those systems, the act of rolling back can bedisastrous');

commit;

--建立 detail datastore
begin

ctx_ddl.create_preference('my_detail_pref', 'DETAIL_DATASTORE');

ctx_ddl.set_attribute('my_detail_pref', 'binary', 'true');

ctx_ddl.set_attribute('my_detail_pref', 'detail_table', 'my_detail');
ctx_ddl.set_attribute('my_detail_pref', 'detail_key', 'article_id');
ctx_ddl.set_attribute('my_detail_pref', 'detail_lineno', 'seq');
ctx_ddl.set_attribute('my_detail_pref', 'detail_text', 'text');
end;

--创建索引

CREATE INDEX myindex123 on my_master(body) indextype is ctxsys.context parameters('datastore my_detail_pref');

select * from my_master where contains(body,'databases')>0

--只更新从表信息，看是否还能查到

update my_detail set text='undo is generated as a result of the DELETE,blocks are modified,and redo is sent over to

the redo log buffer' where article_id=2 and seq=1
begin

ctx_ddl.sync_index('myindex123','2m'); --同步索引
end;

select * from my_master where contains(body,'result of the DELETE')>0 -没有查到刚才的更新--跟新从表后，更新主表信息

update my_master set body=3 where body=2
begin

ctx_ddl.sync_index('myindex123','2m');
end;

select * from my_master where contains(body,'result of the DELETE')>0 -查到数据

如果更新了子表中的索引列，必须要去更新主表索引列来使 oracle 认识到被索引数据发生变化（这个可以通过触发器来实现）。

File_datastore

适用于检索本地服务器上的文件（原文：The FILE_DATASTORE type is used for textstored in files accessed through the local file system.）

多个路径标识：Unix 下冒号分隔开如 path1:path2:pathn Windows 下用分号;分隔开

create table mytable1(id number primary key, docs varchar2(2000)); insert into mytable1 values(111555,'1.txt');

insert into mytable1 values(111556,'2.log'); commit;

--建立 file datastore
begin

ctx_ddl.create_preference('COMMON_DIR','FILE_DATASTORE');
ctx_ddl.set_attribute('COMMON_DIR','PATH','/opt/tmp');
end;

--建立索引

create index myindex on mytable1(docs) indextype is ctxsys.context parameters ('datastoreCOMMON_DIR');

select * from mytable1 where contains(docs,'oracle')>0; --查询

Oracle 只支持在 file_datastore 中设置的路径中进行搜索，不支持指定路径的子目录（如 /opt/tmp/log），如果文件发生了变化，只能是通过修改索引列的方式来通知 oracle，被索引数据已经发生了变化。

Url_datastore

适用于检索 internet 上的信息，数据库中只需要存储相应的 url 就可以

Attribute Attribute Value

timeout Specify the timeout in seconds. The valid rangeis 15 to 3600 seconds. The default is 30.

maxthreads Specify the maximum number of threads that can berunning simultaneously. Use a number between 1and 1024. The default is 8.

urlsize Specify the maximum length of URL string in bytes. Use a number between 32and 65535. The default is 256.

maxurls Specify maximum size of URL buffer. Use a number between 32 and 65535. Thedefaults is 256.

maxdocsize Specify the maximum document size. Use a number between256 and 2,147,483,647 bytes (2 gigabytes). Thedefaults is 2,000,000.

http_proxy Specify the host name of http proxy server.Optionally specify port number with a colon in the formhostname:port.

ftp_proxy Specify the host name of ftp proxy server.Optionally specify port number with a colon in the formhostname:port.

no_proxy Specify the domain for no proxy server. Use a comma separated string of upto 16 domain names.

例子：

create table urls(id number primary key, docs varchar2(2000));
insert into urls values(111555,'http://context.us.oracle.com');
insert into urls values(111556,'http://www.sun.com');
insert into urls values(111557,'http://www.itpub.net');
insert into urls values(111558,'http://www.ixdba.com');

commit;
/

--建立url datastore
begin

ctx_ddl.create_preference('URL_PREF','URL_DATASTORE');
ctx_ddl.set_attribute('URL_PREF','Timeout','300');
end;

--建立索引

create index datastores_text on urls (docs) indextype is ctxsys.context parameters

( 'Datastore URL_PREF' );

select * from urls where contains(docs,'Aix')>0

若相关的 url 不存在，oracle 并不会报错，只是查询的时候找不到数据而已。

oracle 中仅仅保存被索引文档的 url 地址，如果文档本身发生了变化，必须要通过修改索引列（url 地址列）的方式来告知 oracle，被索引数据已经发生了变化。

User_datastore

Use the USER_DATASTORE type to define stored procedures that synthesizedocuments during
indexing. For example, auser procedure might synthesize author, date, and text columns into one
document to have theauthor and date information be part of the indexed text.
7.

Nested_datastore

全文索引支持将数据存储在嵌套表中

参考脚本

--建立 direct_store

Create index myindex on mytable(docs)
indextype is ctxsys.context

parameters ('datastore ctxsys.default_datastore');

--建立 mutil_column_datastore

Begin

Ctx_ddl.create_preference('my_multi', 'multi_column_datastore');
Ctx_ddl.set_attribute('my_multi', 'columns', 'doc1, doc2, doc3');
End;

Create index idx_mytable on mytable1(doc1)indextype is ctxsys.context

parameters('datastore my_multi')

--建立 file_datafilestore
begin

ctx_ddl.create_preference('COMMON_DIR','FILE_DATASTORE');
ctx_ddl.set_attribute('COMMON_DIR','PATH','/opt/tmp');

end;

create index myindex on mytable1(docs) indextype is ctxsys.context parameters ('datastoreCOMMON_DIR');

--建立 url_datastore
begin

ctx_ddl.create_preference('URL_PREF','URL_DATASTORE');
ctx_ddl.set_attribute('URL_PREF','Timeout','300');
end;

create index datastores_text on urls (docs) indextype is ctxsys.context parameters

( 'Datastore URL_PREF' );

(5).

Filter 属性

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 microsoft word 或 excel 等文件格式，filter 有 charset_filter、 inso_filter、null_filter、user_filter、procedure_filter 几种类型。

Filter When Used

CHARSET_FILTER Character set converting filter

AUTO_FILTER Auto filter for filtering formatted documents

NULL_FILTER No filtering required. Use for indexing plain text,HTML, or XML documents

MAIL_FILTER Use the MAIL_FILTER to transform RFC-822, RFC-2045messages in to indexable

text.

USER_FILTER User-defined external filter to be used for customfiltering

PROCEDURE_FILTER User-defined stored procedure filterto be used for custom filtering.

CHARSET_FILTER

把文档从非数据库字符转化成数据库字符（原文：Use the CHARSET_FILTER to convert documents from a non-database character set to thecharacter set used by the database）

例子：

create table hdocs ( id number primary key, fmt varchar2(10), cset varchar2(20),

text varchar2(80)

);

begin

cxt_ddl.create.preference('cs_filter', 'CHARSET_FILTER');
ctx_ddl.set_attribute('cs_filter', 'charset', 'UTF8');
end

insert into hdocs values(1, 'text', 'WE8ISO8859P1', '/docs/iso.txt');
insert into hdocs values (2, 'text', 'UTF8', '/docs/utf8.txt');
commit;

create index hdocsx on hdocs(text) indextype is ctxsys.context
parameters ('datastore ctxsys.file_datastore

filter cs_filter

format column fmt

charset column cset');

NULL_FILTER

默认属性，不进行任何过滤

oracle 不建议对 html、xml 和plain text 使用 auto_filter 参数，oracle建议你使用 null_filter和 section group type

--建立 null filter

create index myindex on docs(htmlfile) indextype is ctxsys.context

parameters('filter ctxsys.null_filter section group ctxsys.html_section_group');

Filter 的默认值会受到索引字段类型和 datastore 的类型的影响，对于存储在数据库中的 varchar2、char 和 clob 字段中的数据，oracle 自动选择了 null_filtel,若 datastore 的属性设置为 file_datastore，oracle 会选择 auto_filter 作为默认值。

AUTO_FILTER

通用的过滤器，适用于大部分文档，包括 PDF 和 Ms word，过滤器还会自动识别出 plain-text, HTML, XHTML, SGML 和 XML 文档

Create table my_filter (id number, docs varchar2(1000));

Insert into my_filter values (1, 'Expert Oracle Database Architecture.pdf'); Insert into my_filter values (2, '1.txt');

Insert into my_filter values (3, '2.doc'); commit;

--建立 file datastore
Begin

ctx_ddl.create_preference('test_filter', 'file_datastore');
ctx_ddl.set_attribute('test_filter', 'path', '/opt/tmp');
End;

--错误信息表

select * from CTX_USER_INDEX_ERRORS
--建立auto filter

Create index idx_m_filter on my_filter (docs) indextype is ctxsys.context parameters ('datastore test_filter filter ctxsys.auto_filter');
select * from my_filter where contains(docs,'oracle')>0

AUTO_FILTER 能自动识别出大部分格式的文档，我们也可以显示的通过 column 来指定文档类型，有 text,binary,ignore，设置为 binary 的文档使用 auto_filter，设置为 text 的文档使用 null_filter，设置为 ignore 的文档不进行索引。

create table hdocs (id number primary key,fmt varchar2(10),text varchar2(80)); insert into hdocs values(1, 'binary', '/docs/myword.doc');

insert in hdocs values (2, 'text', '/docs/index.html');
insert in hdocs values (2, 'ignore', '/docs/1.txt');
commit;

create index hdocsx on hdocs(text) indextype is ctxsys.context

parameters ('datastore ctxsys.file_datastore filter ctxsys.auto_filter format column
fmt');

MAIL_FILTER

通过 mail_filter 把 RFC-822,RFC-2045 信息转化成索引文本限制：

文档必须是 us-ascii

长度不能超过 1024bytes

document must be syntactically valid with regard toRFC-822

USER_FILTER

Use the USER_FILTER type to specify an external filterfor filtering documents in a column

PROCEDURE_FILTER

Use the PROCEDURE_FILTER type to filter your documents witha stored procedure. The stored procedure is called each time a document needs to befiltered.

参考脚本

--建立 null filter

create index myindex on docs(htmlfile) indextype is ctxsys.context

parameters('filter ctxsys.null_filter section group ctxsys.html_section_group');

--建立 auto filter

Create index idx_m_filter on my_filter (docs) indextype is ctxsys.context parameters ('datastore test_filter filter ctxsys.auto_filter');

Filter 错误记录表：CTX_USER_INDEX_ERRORS

(6).

Lexer 属性

Oracle 全文检索的 lexer 属性用于处理各种不同的语言，最基本的英文使用 basic_lexer，中文则可以使用 chinese_vgram_lexer 或 chinese_lexer。

Type Description

BASIC_LEXER 英文或西方语言（使用空格作为分词界定）

MULTI_LEXER 多语言版本

CHINESE_VGRAM_LEXER 中文版本

CHINESE_LEXER 更智能的中文版本

JAPANESE_VGRAM_LEXER Lexer for extracting tokens fromJapanese text.

JAPANESE_LEXER Lexer for extracting tokens from Japanese text.

KOREAN_MORPH_LEXER Lexer for extracting tokens fromKorean text.

USER_LEXER Lexer you create to index a particular language.

WORLD_LEXER Lexer for indexing tables containing documents ofdifferent languages;

autodetects languages ina document

Basic_lexer

basic_lexer 属性支持如英语、德语、荷兰语、挪威语、瑞典语等以空格作为界限的语言（原文：Use the BASIC_LEXERtype to identify tokens for creating Text indexes for English and all other supported whitespace-delimited languages.）

Create table my_lex (id number, docs varchar2(1000));

Insert into my_lex values (1, 'this is a example for the basic_lexer');

Insert into my_lex values (2, 'he following example sets Printjoin characters ');

Insert into my_lex values (3, 'To create the INDEXwith no_theme indexing and with printjoins characters');

Insert into my_lex values (4, '中华人民共和国');
Insert into my_lex values (5, '中国淘宝软件');

Insert into my_lex values (6, '测试 basic_lexer是否支持中文'); Commit;

--建立 basic_lexer
begin

ctx_ddl.create_preference('mylex', 'BASIC_LEXER');

ctx_ddl.set_attribute ('mylex', 'printjoins', '_-'); --保留_ -符号

ctx_ddl.set_attribute ( 'mylex', 'index_themes', 'NO');

ctx_ddl.set_attribute ( 'mylex', 'index_text', 'YES');

ctx_ddl.set_attribute ('mylex','mixed_case','yes'); --区分大小写
end;

create index indx_m_lex on my_lex(docs) indextype is ctxsys.context parameters('lexer mylex');

Select id from my_lex where contains(docs, 'no_theme') > 0; select docs from my_lex where contains(docs,'中国')>0

Mutil_lexer

支持多种语言的文档，比如你可以利用这个 lexer 来定义包含 Endlish,German 和 Japanese 的
文档（原文：Use MULTI_LEXER to index text columns that contain documents ofdifferent
languages. For example,you can use this lexer to index a text column that stores English, German,
and Japanese documents.）建立一个 multi_lexer 属性的索引，并通过 language 列设置需要索
引的语言，Oracle 会根据 language 列的内容去匹配 add_sub_lexer 过程中指定的语言标识符，
如果匹配的上，就使用该 sub_lexer 作为索引的 lexer，如果没有找到匹配的，就使用 default
语言作为索引的 lexer 列，注意客户端 nls_language，可能会影响 lexer 的选择

Select * from v$nls_parameters where parameter = 'NLS_LANGUAGE';

alter session set nls_language='simplified chinese';

alter session set nls_language='american';

例子：

create table globaldoc ( doc_id number primary key,lang varchar2(3),text clob); --建立multi_lexer

begin

ctx_ddl.create_preference('english_lexer','basic_lexer');

ctx_ddl.set_attribute('english_lexer','index_themes','yes');

ctx_ddl.set_attribute('english_lexer','theme_language','english');

ctx_ddl.create_preference('german_lexer','basic_lexer');

ctx_ddl.set_attribute('german_lexer','composite','german');

ctx_ddl.set_attribute('german_lexer','mixed_case','yes');

ctx_ddl.set_attribute('german_lexer','alternate_spelling','german');

ctx_ddl.create_preference('japanese_lexer','japanese_vgram_lexer');

ctx_ddl.create_preference('global_lexer', 'multi_lexer');

ctx_ddl.add_sub_lexer('global_lexer','default','english_lexer');

ctx_ddl.add_sub_lexer('global_lexer','german','german_lexer','ger');

ctx_ddl.add_sub_lexer('global_lexer','japanese','japanese_lexer','jpn');
end;

create index globalx on globaldoc(text) indextype is ctxsys.context parameters ('lexer global_lexer language column lang');

chinese_vgram_lexer 和 chinese_lexer

basic_lexer 只能识别出被空格、标点和回车符分隔出来的部分，如果要对中文内容进行索引的话，就必须使用 chinese_vgram_lexer 或是 chinese_lexer

Chinese_lexer 相比 chinese_vgram_lexer 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

因为 chinese_lexer 采用不同的算法来标记 tokens, 建立索引的时间要比 chinese_vgram_lexer

长.

字符集：支持 al32utf8，zhs16cgb231280，zhs16gbk，zhs32gb18030，zht32euc，zht16big5 zht32tris， zht16mswin950，zht16hkscs，utf8

--建立 chinese lexer

Begin

ctx_ddl.create_preference('my_chinese_vgram_lexer', 'chinese_vgram_lexer');
ctx_ddl.create_preference('my_chinese_lexer', 'chinese_lexer');
End;

-- chinese_vgram_lexer

Create index ind_m_lex1 on my_lex(docs) indextype is ctxsys.context Parameters ('lexer ctxsys.my_chinese_vgram_lexer');
Select * from t where contains(docs, '中国') > 0;

-- chinese_lexer

Create index ind_m_lex2 on my_lex(docs) indextype is ctxsys.context Parameters ('lexer ctxsys.my_chinese_lexer');

Select * from t where contains(docs, '中国') > 0;

User_lexer

Use USER_LEXER to plug inyour own language-specific lexing solution. This enables you to
define lexers for languages that are notsupported by Oracle Text. It also enables you to define a
new lexer for a language that is supportedbut whose lexer is inappropriate for your application.

Default_lexer

如果数据库在建立的时候指定的是中文则 default_lexer 为 chinese_vgram_lexer，如果是英文，则 default_lexer 为 basic_lexer

Query_procedure

This callback storedprocedure is called by Oracle Text as needed to tokenize words in the query. Aspace-delimited group of characters (excluding the query operators) in the query will be identified by OracleText as a word.

参考脚本

--建立 basic_lexer

begin

ctx_ddl.create_preference('mylex', 'BASIC_LEXER');

ctx_ddl.set_attribute ('mylex', 'printjoins', '_-'); --保留_ -符号

ctx_ddl.set_attribute ('mylex','mixed_case','yes'); --区分大小写
end;

create index indx_m_lex on my_lex(docs) indextype is ctxsys.context parameters('lexer mylex');

--建立 chinese_vgram_lexer 或是 chinese_lexer

Begin

ctx_ddl.create_preference('my_chinese_vgram_lexer', 'chinese_vgram_lexer');
ctx_ddl.create_preference('my_chinese_lexer', 'chinese_lexer');
End;

-- chinese_vgram_lexer

Create index ind_m_lex1 on my_lex(docs) indextype is ctxsys.context Parameters ('lexer ctxsys.my_chinese_vgram_lexer');

(7).

Section Group 属性

Section group 支持查询包含内部结构的文档（如 html、xml 文档等），可以指定对文档
的某一部分进行查询,你可以将查询范围限定在标题 head 中。在 html、xml 等类似结构的文
档中，除了用来显示的内容外，还包括了大量用于控制结构的标识，而这些标识可能是不希
望被索引的，这就是 section group 的一个主要功能(原文：In order to issue WITHIN queries on
document sections, youmust create a section group before you define your sections)

Type Description

NULL_SECTION_GROUP 系统默认参数，不进行任何过滤，有 SENTENCE ，PARAGRAPH属性

BASIC_SECTION_GROUP 支持<tag>开头以</tag>结尾的结构的文档

HTML_SECTION_GROUP 支持html 文档

XML_SECTION_GROUP 支持xml 文档

AUTO_SECTION_GROUP Use this group type toautomatically create a zone section for

each start-tag/end-tag pair in an XMLdocument. The section
names derived from XMLtags are case sensitive as in XML.

Attribute sections are createdautomatically for XML tags that have attributes. Attribute sections are named in the formtag@attribute.

Stop sections, empty tags, processing instructions, and

Type Description

comments are not indexed.

The following limitations apply to automatic section groups:

• You cannot add zone, field, or specialsections to an
automatic section group.

•   You can define a stop section that appliesonly to one
      particular type; that is, if you havetwo different XML
      DTDs, both of which use a tagcalled FOO, you can define
      (TYPE1)FOO to be stopped,but(TYPE2)FOO to not be
      stopped.

•   The length of the indexed tags, includingprefix and
      namespace, cannot exceed 64 bytes.Tags longer than this
      are not indexed.

PATH_SECTION_GROUP Use this group type toindex XML documents. Behaves like the

AUTO_SECTION_GROUP.

The difference is that with thissection group you can do path searching with the INPATH and HASPATH operators. Queriesare also case-sensitive fortag and attribute names. Stop sections are not allowed.

NEWS_SECTION_GROUP Use this group fordefining sections in newsgroup formatted

documents according to RFC 1036.

Null_section_group

系统默认，不进行任何节的过滤
例子：

Create table my_sec (id number, docs varchar2(100));

Insert into my_sec values (1, 'a simple section group, test null_section_groupattribute.'); Insert into my_sec values (2, 'this record one, can be query in nornal');
Insert into my_sec values (4, 'this record

are tested for

the query in paragraph');
Commit;

--定义 null_section_group

Create index ind_m_sec on my_sec(docs) indextype is ctxsys.context parameters ('section group ctxsys.null_section_group');

Select * from my_sec where contains(docs, 'record and query') > 0;

--要预先定义 sentence或 paragraph'，否则查询会出错

Select * from my_sec where contains(docs, '(record and query) within sentence') > 0;
Begin

ctx_ddl.create_section_group('test_null', 'null_section_group');
ctx_ddl.add_special_section('test_null', 'sentence');
ctx_ddl.add_special_section('test_null', 'paragraph');
End;

drop index ind_m_sec;

Create index ind_m_sec on my_sec(docs) indextype is ctxsys.context parameters ('section group test_null');

Select * from my_sec where contains(docs, '(record and query) within sentence') > 0;
Select * from my_sec where contains(docs, '(record and query) within paragraph') > 0;

Basic_section_group

basic_section_group 才是支持节搜索的最基础的一种属性，但是它只支持以<tag>开头以 </tag>结尾的结构的文档

Create table my_sec1 (id number, docs varchar2(1000));

Insert into my_sec1 values (1, '<heading>title</heading> <context>this is the contents of the example.

Use this example to test the basic_section_group.</context>');
Insert into my_sec1 values (2, '<heading>example</heading>
<context>this line incluing the word title too.</context>');
Commit;

Create index ind_my_sec1 on my_sec1(docs) indextype is ctxsys.context; Select * from my_sec1 where contains (docs, 'heading') > 0;
--定义basic_section_group

Begin

Ctx_ddl.create_section_group('test_basic', 'basic_section_group');
End;

drop index ind_my_sec1;

Create index ind_my_sec1 on my_sec1(docs) indextype is ctxsys.context parameters ('section group test_basic');

Select * from my_sec1 where contains (docs, 'heading') > 0;
Select * from my_sec1 where contains (docs, 'context') > 0;
Select * from my_sec1 where contains (docs, 'use') > 0;

节搜索的另一个主要功能就是可以限制查询的范围，上面的文档包含了两部分，标题和正文，其中标题使用标签<heading>，正文使用标签<context>,我们可以对 basic_section_group 添加区域属性，运行查询在文档的某个范围内进行

Drop index ind_my_sec1;

Begin

ctx_ddl.add_zone_section('test_basic', 'head', 'heading');
End;

Create index ind_my_sec1 on my_sec1(docs) indextype is ctxsys.context parameters ('section group test_basic');

Select * from my_sec1 where contains (docs, 'title') > 0; --在 head 里面查询

Select * from my_sec1 where contains (docs, 'title within head') > 0;

Html_section_group

Html 文档具有很多不规范的表示方法，oracle 建议使用 html_section_group 以便能够得到更好的识别

--定义 html_section_group
begin

ctx_ddl.create_section_group('htmgroup', 'HTML_SECTION_GROUP');
end;

create index myindex on docs(htmlfile) indextype is ctxsys.context
parameters('filter ctxsys.null_filter section group htmgroup');

无论是 field_section 还是 zone_section，表示文档的 tag 标签都是大小写敏感的，其大小写需要和原文中匹配

Xml_section_group

Xml 文档的格式要求比 html 文档严谨、规范，这也使得 xml_section_group 比 html_section_group 具有了更多的功能

例子:

Create table my_sec2 (id number, docs varchar2(1000));
Insert into my_sec2 values (1, 'context.xml');
commit;

--定义 xml_section_group
Begin

ctx_ddl.create_preference('test_file', 'file_datastore');

ctx_ddl.set_attribute('test_file', 'path', '/opt/tmp');

ctx_ddl.create_section_group('test_html', 'html_section_group');
ctx_ddl.create_section_group('test_xml', 'xml_section_group');
End;

Create index ind_t_docs on my_sec2 (docs) indextype is ctxsys.context

parameters('datastore ctxsys.test_file filter ctxsys.null_filter section group ctxsys.test_xml')

Select * from my_sec2 where contains (docs, 'complete') > 0;
Begin

ctx_ddl.add_attr_section('test_xml', 'name', 'const@name');
End;

Select * from my_sec2 where contains (docs, 'complete within name') > 0;

Auto_section_group

Xml_section_group 的增强型，对于 xml_section_group 用户需要自己添加需要定义的节组，而使用 auto_section_group，则 oracle 会自动添加节组以及属性信息

Path_section_group

和 auto_section_group 十分类似，path_section_group 比 auto_section_group 增加了 haspath 和 inpath 操作，但是 path_section_group 不支持 add_stop_section 属性

参考脚本

--建立 null_section_group

Create index ind_m_sec on my_sec(docs) indextype is ctxsys.context parameters ('section group ctxsys.null_section_group');

--建立 basic_section_group

Begin

Ctx_ddl.create_section_group('test_basic', 'basic_section_group');
End;

Begin

ctx_ddl.add_zone_section('test_basic', 'head', 'heading'); --设定节查询
End;

Create index ind_my_sec1 on my_sec1(docs) indextype is ctxsys.context parameters ('section group test_basic');

--建立 Html_section_group

begin

ctx_ddl.create_section_group('htmgroup', 'HTML_SECTION_GROUP');
end;

create index myindex on docs(htmlfile) indextype is ctxsys.context
parameters('filter ctxsys.null_filter section group htmgroup');

--建立 Xml_section_group

Begin

ctx_ddl.create_section_group('test_xml', 'xml_section_group');
End;

Create index ind_t_docs on my_sec2 (docs) indextype is ctxsys.context
parameters('filter ctxsys.null_filter section group ctxsys.test_xml')

(8).

Storage 属性

Oracle 全文检索通常会生成一系列的辅助表，生成规则是 dr$+索引名+$+表用途标识，由于这些表是 oracle 自动生成的，通常没有办法为这些表指定存储空间。为构造 text 索引所
生成的辅助表指定表空间、存储参数（use the storagepreference to specify tablespace and
creation parameters fortables associated with a text index），oracle 提供了单一的存储类型
basic_storage。

在 mytable1 表中建立了全文索检索 myindex ，系统中会自动产生如下 5 个表： DR$MYINDEX$I,DR$MYINDEX$K,DR$MYINDEX$R,DR$MYINDEX$X,MYTABLE1

Attribute Attribute Value

i_table_clause 指定dr$indexname$I 的存储参数

k_table_clause 指定dr$indexname$K 的存储参数，K 表存储键值映射表（keymap）

r_table_clause 指定 dr$indexname$R 的存储参数，R 表存储 rowid 表

The default clause is: 'LOB(DATA) STORE AS (CACHE)'

n_table_clause 指定dr$indexname$N 的存储参数，N 表存储负键值链表（negative list ）

i_index_clause 指定 dr$indexname$X 的存储参数，I 表存储索引数据表(index data table）

The default clause is: 'COMPRESS 2' which instructs Oracle Text to compress this index table.

另：oracle 建议使用COMPRESS 2 以节省空间存储

p_table_clause 只有在设置BASIC_WORDLIST 的 SUBSTRING_INDEX 属性才有用，P 表示是索

引组织表

参考脚本

--建立 basic storage

Begin

Ctx_ddl.create_preference('mystore', 'basic_storage'); --建立 storage Ctx_ddl.set_attribute('mystore', --设置参数

'i_table_clause',

'tablespace foo storage (initial 1k)');