Oracle建立二進位制檔案索引的方法(轉)

Oracle建立二進位制檔案索引的方法(轉)[@more@]

　　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、查詢、分析儲存在oracle資料庫、檔案或者網路裡的文字及文件。 Oracle text能進行關於文件的語言分析，使用多種方法查詢文件，包括關鍵字、上下文查詢、邏輯操作、模式匹配、混合主題查詢、HTML/XML段落查詢等方法。Oracle text在包含文字和結構化的關係屬性的混合查詢方面具有優越性。下面舉例說明。

　　現有文件表ZYCONTENT_TABLE為上載檔案的儲存表，二進位制檔案以BLOB型別儲存在BLOB_CONTENT列中，oracle text技術提供為BLOB列中的二進位制文字檔案建立索引的方法，細節如下：

　　一、準備工作

　　文件表的模式為ZYFILEUP，文件表為ZYCONTENT_TABLE。文件表定義為：

　　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、為擁有文件表的模式建立文字索引授權

　　以system使用者連線資料庫，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、建立文件表在BLOB_CONTENT列上的索引

　　以ZYFILEUP使用者連線資料庫，建立文字索引參考項

　　beginctx_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;beginctx_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.contextparameters ('DATASTORE CTXSYS.DIRECT_DATASTOREFILTER CTXSYS.INSO_FILTERLEXER ZYFILEUP.CNLEXWORDLIST 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．索引的檔案型別

　　Oracle text可以過濾以及從不同格式的文件裡提取內容，它支援150多種文件格式，最常見的MS OFFICE文件、PDF文件等都可由Oracle text來檢索。

　　2．過濾器介紹

　　對於純文字檔案格式，如TXT、HTML、XML等檔案，使用空過濾器，即NULL_FILTER，對於二進位制檔案，使用INSO_FILTER過濾器，如果文件表的BLOB列中含有二進位制檔案和純文字檔案，也要用INSO_FILTER過濾器，但最好是把純文字和二進位制檔案分開儲存和索引。Oracle text還提供包來從二進位制檔案中提取文字到純文字檔案中。

　　3．詞典

　　可以定製不同語言的詞典，該詞典含有同意詞和詞的級別關係。Oracle text可以提供多語言的最優特性以支援跨越西方語言、日語、朝鮮語、傳統和簡體中文所寫的文件查詢。

　　六、文字查詢語句格式

　　select name from zycontent_tablewhere contains(blob_content,'教育資訊化',1)>0order by name;

　　contains函式提供強大的查詢功能，"與"、"或"關係，相近（near ;）和排除（not ~）等功能，更方便的是它還可以根據某一關鍵詞查詢不同語種的文字，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等格式的中文文件進行索引，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格式的文字文件，我在win2000，XP下試驗，都沒成功，不知什麼原因。總體來說，Oracle text的文字檢索功能還是相當出色的，它甚至不需要文字檔案儲存在資料庫裡，即使儲存在作業系統的檔案目錄裡，Oracle text也能在資料庫裡為檔案建立索引。