本文内容

  • 概述
  • 创建一个 Oracle 全文检索用户
  • 如何使用 CONTEXT 索引
  • 如何使用 CTXCAT 索引
  • 如何使用 CTXRULE 索引
  • 本 BLOG 相关链接

 

概述

本文描述如何创建一个 Oracle 全文检索开发者用户,以及生成一个简单的文本查询,和目录一个应用程序。对于每个应用程序类型,本文通过基本的 SQL 语句一步步介绍加载、索引和查询。

注意:

为了增加可读性,并直接剪切复制代码到 SQL*Plus,本文 SQL> 提示符已经去掉。

 

创建一个 Oracle 全文检索用户

在使用 Oracle 全文检索的索引和其 PL/SQL 包之前,需要创建一个带 CTXAPP 角色的用户。该角色使你可以做如下事情:

  • 创建和删除 Oracle 全文检索的索引引用
  • 使用 Oracle 全文检索 PL/SQL 包

若进行全文检索,以数据库管理员身份登录,按下面步骤:

1)创建用户。建一个用户名/密码为 MYUSER / myuser_password 的用户:

CREATE USER myuser IDENTIFIED BY myuser_password;

2)授权角色。为该用户授权 RESOURCECONNECTCTXAPP 角色:

GRANT RESOURCE, CONNECT, CTXAPP TO MYUSER;

3)授权执行 CTX PL/SQL 包的权限

Oracle 全文检索包含很多包,可以让你完成从同步 Oracle 全文检索索引到高亮显示文本的所有动作。例如,CTX_DDL 包包含了 SYNC_INDEX 过程,该存储过程可以同步全文检索的索引。

若想调用这些存储过程,你的应用程序需要有执行这些包的权限。例如,为 MYUSER 用户授权执行所有 Oracle 全文的包的权限,如下代码:

GRANT EXECUTE ON CTXSYS.CTX_CLS TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_DDL TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_DOC TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_OUTPUT TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_QUERY TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_REPORT TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_THES TO myuser;
GRANT EXECUTE ON CTXSYS.CTX_ULEXER TO myuser;

 

 

如何使用 CONTEXT 索引

建立索引

在一个基于文本查询的应用程序中,用户输入查询关键字或词组,期望应用程序返回一个最匹配该查询的文本列表。该应用程序涉及创建一个 CONTEXT 索引,并用 CONTAINS 查询。

本例通过 SQL 语句按步骤加载文本到表,并创建索引,以及查询索引。最典型的是,查询应用程序需要一个用户接口。下面例子演示如何利用 CONTEXT 索引创建一个查询应用程序。

1)使用 myuser 用户连接数据库。在创建表之前,先用 myuser 用户连接数据库。

CONNECT myuser;

2)创建表

创建一个有两列,idtextdocs 表。id 为主键;text 类型为 VARCHAR2

CREATE TABLE docs (id NUMBER PRIMARY KEY, text VARCHAR2(200));

3)插入新数据

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>');

4)创建 CONTEXT 索引

text 列上,通过 CONTEXT 索引为 HTML 文本创建索引。因为是 HTML 文本,所以本例使用不过滤的 NULL_FILTER 引用类型和 HTML_SECTION_GROUP 类型。

CREATE INDEX idx_docs ON docs(text)
     INDEXTYPE IS CTXSYS.CONTEXT PARAMETERS
     ('FILTER CTXSYS.NULL_FILTER SECTION GROUP CTXSYS.HTML_SECTION_GROUP');

使用 NULL_FILTER 是因为你不需要在创建索引时过滤 HTML 文本。然而,如果是为 PDF、MS Word,或是其他格式化文本创建索引,那么应该使用 CTXSYS.AUTO_FILTER(默认)作为你的过滤引用。

本例建议使用 HTML_SECTION_GROUP 节分组。使用该类型可以使你在特定的 HTML 标记内检索,减少把不期望的标记也建成索引,例如字体信息。

查询

1)使用 CONTAINS 查询表

为了增加可读性,首先,设置 SELECT 语句的输出格式。设置 text 列的宽度为 40 个字符。

COLUMN text FORMAT a40;

现在用带 CONTAINSSELECT 语句查询表。下面查询检索所有包含 "France" 的文本:

SELECT SCORE(1), id, text FROM docs WHERE CONTAINS(text, 'France', 1) > 0;
 
  SCORE(1)         ID TEXT
---------- ---------- ----------------------------------------
         4          3 <HTML>France is in Europe.</HTML>
         4          2 <HTML>Paris is a city in France.</HTML>

2)显示文本

在实际应用程序中,你需要为用户显示检索出来的文本,并高亮显示检索的词条。Oracle 全文检索可以让你用 CTX_DOC 来标记文本。

下面通过一个匿名的 PL/SQL 块演示 HTML 文本标记。然而,在实际应用程序中,你需要在浏览器中呈现文本。

SET SERVEROUTPUT ON;
DECLARE
  2  mklob CLOB;
  3  amt NUMBER := 40;
  4  line VARCHAR2(80);
  5  BEGIN
  6    CTX_DOC.MARKUP('idx_docs','3','France', mklob);
  7    DBMS_LOB.READ(mklob, amt, 1, line);
  8    DBMS_OUTPUT.PUT_LINE('FIRST 40 CHARS ARE:'||line);
  9    DBMS_LOB.FREETEMPORARY(mklob);
 10    END;
 11  /
FIRST 40 CHARS ARE:<HTML><<<France>>> is in Europe.</HTML>
 
PL/SQL procedure successfully completed.

3)操作数据后同步索引

当创建一个 CONTEXT 索引时,插入、更新或删除后,需要显示同步索引。Oracle 全文检索可以通过 CTX_DDL.SYNC_INDEX 过程来完成。

docs 表再添加两行:

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>');

因为,索引未同步,新的数据行没有检索出来:

SELECT SCORE(1), id, text FROM docs WHERE CONTAINS(text, 'city', 1) > 0;
 
  SCORE(1)         ID TEXT
---------- ---------- --------------------------------------------------
         4          2 <HTML>Paris is a city in France.</HTML>

用 2Mb 的内存同步索引,返回查询结果:

COLUMN text FORMAT a50;
SELECT SCORE(1), id, text FROM docs WHERE CONTAINS(text, 'city', 1) > 0;
 
  SCORE(1)         ID TEXT
---------- ---------- --------------------------------------------------
         4          5 <HTML>Mexico City is big.</HTML>
         4          4 <HTML>Los Angeles is a city in California.</HTML>
         4          2 <HTML>Paris is a city in France.</HTML>

 

如何使用 CTXCAT 索引

建立索引

本例演示为一个拍卖站点创建一个目录索引,该站点买电子设备、例如摄像机和 CD 播放器。新的条目每天都会增加,包括条目描述、拍卖日期和价格。

应用程序查询需要良好的响应时间。关键字确定用户频繁检索哪个列以创建合适的 CTXCAT 索引。该类型索引的查询需要 CATSEARCH 操作符。

1)用 myuser 连接数据库

CONNECT myuser;

2)创建表

CREATE TABLE auction(
item_id NUMBER,
title VARCHAR2(100),
category_id NUMBER,
price NUMBER,
bid_close DATE);

3)向表插入数据

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'); 
查询

1)确定查询

确定可能检索的标准是什么。本例,所有的查询使用 title 列,并按 price 排序。当使用 CATSEARCH 操作符后,我们将为 text 列指定条目,并为结构化子句指定标准。

2)创建一个按 price 字段排序的子索引

为了让 Oracle 全文检索更有效地执行查询,我们需要一个 price 列的子索引。因为,查询将按 price 排序。

因此,创建一个名为 "auction_set" 索引集,为 price 列添加一个字索引。

EXEC CTX_DDL.CREATE.INDEXT_SET('auction_iset');
EXEC CTX_DDL.ADD_INDEX('auction_iset','price'); /* sub-index A*/

3)创建 CTXCAT 索引

CREATE INDEX auction_titlex ON AUCTION(title) INDEXTYPE IS CTXSYS.CTXCAT PARAMETERS ('index set auction_iset');

拍卖表的模式(表结构)和 CTXCAT 索引

拍卖表的模式(表结构)和 CTXCAT 索引

4)用 CATSEARCH 查询表

当在表上创建 CTXCAT 索引后,需要使用 CATSEARCH 操作查询该索引。

设置输出格式:

COLUMN title FORMAT a40;

查询:

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

 

SELECT title, price FROM auction WHERE CATSEARCH(title, 'CAMERA', 
     'price <= 300')>0;
 
TITLE                PRICE
--------------- ----------
PENTAX CAMERA          200
CANON CAMERA           250
OLYMPUS CAMERA         300

5)插入新数据

向表添加新数据。CTXCAT 索引会自动同步反应变化。例如,添加如下数据,返回查询结果。

INSERT INTO AUCTION VALUES(5, 'FUJI CAMERA', 1, 350, '28-OCT-2002');
INSERT INTO AUCTION VALUES(6, 'SONY CAMERA', 1, 310, '28-OCT-2002');

 

SELECT title, price FROM auction WHERE CATSEARCH(title, 'CAMERA', 'order by price')> 0;
 
TITLE                                    PRICE
----------------------------------- ----------
PENTAX CAMERA                              200
CANON CAMERA                               250
OLYMPUS CAMERA                             300
SONY CAMERA                                310
FUJI CAMERA                                350
NIKON CAMERA                               400
 
6 rows selected.

注意:

新添加的数据是如何立即在查询中显示出来的。

 

如何使用 CTXRULE 索引

分类应用程序的功能是基于文档内容执行一些动作。这些动作可以为一个文档分配一个目录 ID,或是发送文档给一个用户。这个结果就是文档分类。

文档根据预定义的规则被分类。这些规则选择一个目录。例如,一个 'presidential elections' 规则可能选择一个关于 politics 类别的文档。

Oracle 全文检索提供很多类型的分类。这里讨论一个最简单、基于规则的分类,它要创建文档目录以及目录文档的规则。对于监督分类,Oracle 全文检索从提供的文档集合中派生规则。对于聚类,Oracle 全文检索也会这样做,派生规则和目录。

为了实现 Oracle 全文检索中简单分类,创建规则,它本质上查询一个表。在一个 CTXRULE 索引中创建这些规则索引。为了分类一个到达的文本,在 SELECT 语句的 WHERE 子句中使用 MATCHES 操作符。 ccapp018

一个文档分类应用程序

下面例子一步步演示通过定义简单的目录,创建一个 CTXRULE 索引,并使用 MATCHES 来分类文档。

1)用 myuser 用户连接数据库

CONNECT myuser;

2)创建表

必须创建一个规则表,并用查询规则填充。本例,我们创建一个名为 "queries" 表。每行定义一个带 ID 的目录,和一个查询字符串的规则:

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');

3)创建 CTXRULE 索引

CREATE INDEX queryx ON queries(query_string) INDEXTYPE IS CTXRULE;

4)用 MATCHES 分类

使用 MATCHES 操作匹配文档,这样就分类了。

COLUMN query_string FORMAT a35;
    SELECT query_id,query_string FROM queries
     WHERE MATCHES(query_string, 
                   'Oracle announced that its market share in databases 
                    increased over the last year.')>0;
 
  QUERY_ID QUERY_STRING                                                         
---------- -----------------------------------                                  
         1 oracle                                                               
         4 market share  

如上所示,文档字符串匹配目录 1 和 4。你可以使用分类执行一个动作,比如写文档到一个特定的表,或发送 mail 给一个用户。