GBase 8c 全文检索-概述

        文本搜索（~、~*、LIKE和ILIKE操作符）在对文本进行搜索操作时，缺少一些系统要求的必要属性：

• 即使是英文环境也没有语义支持；
• 没有对搜索结果的分类（排序）。当搜索出成千的文档时，查找效率很低。
• 由于没有索引的支持，每一次的搜索需要遍历所有的文档，整体搜索比较缓慢。

        使用全文索引可以对文档进行预处理，并且可以使后续的搜索更快速。预处理过程包括：

        1. 将文档解析成记号：

        为每个文档标记不同类别的记号是非常有必要的，例如：数字、文字、复合词、电子邮件地址，这样就可以做不同的处理。原则记号的类别依赖于具体的应用，但对于大多数的应用来说，可以使用一组预定义的记号类。

        2. 将记号转换为词位：

        词位像记号一样是一个字符串，但它已经标准化处理，这样同一个词的不同形式是一样的。例如，标准化通常包括：将大写字母折成小写字母、删除后缀（如英语中的s或者es）。这将允许通过搜索找到同一个词的不同形式，不需要繁琐地输入所有可能的变形样式。同时，这一步通常会删除停用词。这些停用词通常因为太常见而对搜索无用。（总之，记号是文档文本的原片段，而词位被认为是有用的索引和搜索词。）GBase 8c使用词典执行这一步，且提供了各种标准的词典。

        3. 保存搜索优化后的预处理文档。

        比如，每个文档可以呈现为标准化词位的有序组合。伴随词位，通常还需要存储词位位置信息以用于邻近排序。因此文档包含的查询词越密集其排序越高。

        词典能够对词位如何标准化做到细粒度控制。使用合适的词典，可以定义不被索引的停用词。