Oracle建立二進制文件索引的方法
2024-08-29 13:46:31
供稿：網友
Oracle text是Oracle的全文檢索技術，是9i版本標準版和企業版的一部分。Oracle text使用標準的sql語言索引、查找、分析存儲在oracle數據庫、文件或者網絡里的文本及文檔。 Oracle text能進行關于文檔的語言分析，使用多種方法查找文檔，包括要害字、上下文查詢、邏輯操作、模式匹配、混合主題查詢、Html/xml段落查找等方法。Oracle text在包含文本和結構化的關系屬性的混合查詢方面具有優越性。下面舉例說明。
現有文檔表ZYCONTENT_TABLE為上載文件的存儲表，二進制文件以BLOB類型存儲在BLOB_CONTENT列中，oracle text技術提供為BLOB列中的二進制文本文件建立索引的方法，細節如下： 一、預備工作
文檔表的模式為ZYFILEUP，文檔表為ZYCONTENT_TABLE。文檔表定義為：
CREATE TABLE ZYCONTENT_TABLE(
NAME VARCHAR(128) UNIQUE NOT NULL,
MIME_TYPE VARCHAR(128),
DOC_SIZE NUMBER,
DAD_CHARSET VARCHAR(128),
LAST_UPDATED DATE,
CONTENT_TYPE VARCHAR(128),
CONTENT LONG RAW,
BLOB_CONTENT BLOB
); 二、為擁有文檔表的模式建立文本索引授權
以system用戶連接數據庫，為ZYFILEUP授權。
GRANT "CTXAPP" TO "ZYFILEUP";
ALTER USER "ZYFILEUP" DEFAULT ROLE ALL;
GRANT EXECUTE ON "CTXSYS"."CTX_ADM" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_CATSEARCH" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_CONTAINS" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_DDL" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_DOC" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_QUERY" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_ULEXER" TO "ZYFILEUP";
GRANT EXECUTE ON "CTXSYS"."CTX_XPCONTAINS" TO "ZYFILEUP"; 三、建立文檔表在BLOB_CONTENT列上的索引
以ZYFILEUP用戶連接數據庫，建立文本索引參考項
begin
ctx_ddl.create_PReference('mylex','BASIC_LEXER');
ctx_ddl.set_attribute('mylex','printjoins','_-');
ctx_ddl.create_preference('myWordlist', 'BASIC_WORDLIST');
ctx_ddl.set_attribute('mywordlist','PREFIX_INDEX','TRUE');
ctx_ddl.set_attribute('mywordlist','PREFIX_MIN_LENGTH',1);
ctx_ddl.set_attribute('mywordlist','PREFIX_MAX_LENGTH', 5);
ctx_ddl.set_attribute('mywordlist','SUBSTRING_INDEX', 'YES');
end;
begin
ctx_ddl.create_preference('cnlex','CHINESE_LEXER');
end; 建立索引
drop index i_zycontent_table force;
create index i_zycontent_table on zycontent_table(blob_content)
indextype is ctxsys.context
parameters ('DATASTORE CTXSYS.DIRECT_DATASTORE
FILTER CTXSYS.INSO_FILTER
LEXER ZYFILEUP.CNLEX
WORDLIST ZYFILEUP.MYWORDLIST'); 四、索引同步和刪除
同步索引的兩種方法：
ALTER INDEX i_zycontent_table REBUILD PARAMETERS('resume memory 20M'); 和
exec ctx_ddl.sync_index('i_zycontent_table', '20M'); 刪除索引的方法：
drop index i_zycontent_table force; 五、索引功能介紹
1．索引的文件類型
Oracle text可以過濾以及從不同格式的文檔里提取內容，它支持150多種文檔格式，最常見的MS Office文檔、PDF文檔等都可由Oracle text來檢索。
2．過濾器介紹
對于純文本文件格式，如TXT、HTML、XML等文件，使用空過濾器，即NULL_FILTER，對于二進制文件，使用INSO_FILTER過濾器，假如文檔表的BLOB列中含有二進制文件和純文本文件，也要用INSO_FILTER過濾器，但最好是把純文本和二進制文件分開存儲和索引。Oracle text還提供包來從二進制文件中提取文本到純文本文件中。
3．詞典
可以定制不同語言的詞典，該詞典含有同意詞和詞的級別關系。Oracle text可以提供多語言的最優特性以支持跨越西方語言、日語、朝鮮語、傳統和簡體中文所寫的文檔查找。 六、文本查詢語句格式
select name from zycontent_table
where contains(blob_content,'教育信息化',1)>0
order by name; contains函數提供強大的查詢功能，"與"、"或"關系，相近（near ;）和排除（not ~）等功能，更方便的是它還可以根據某一要害詞查詢不同語種的文本，當然，這要事先設定詞典。 七、實際應用中的問題
在我的實際應用中，最常用的是使用Oracle text對Word、Excel、Powerpoint、HTML、PDF等格式的中文文檔進行索引，但我發現，無論使用INSO_FILTER還是NULL_FILTER，無論使用BASIC_LEXER還是CHINESE_LEXER，都不能檢索RTF格式的文本文檔，我在win2000，XP下試驗，都沒成功，不知什么原因。總體來說，Oracle text的文本檢索功能還是相當出色的，它甚至不需要文本文件存儲在數據庫里，即使存儲在操作系統的文件目錄里，Oracle text也能在數據庫里為文件建立索引。
