如何更好的利用Oracle全文检索

不使用Oracle text功能,也有很多方法可以在Oracle数据库中搜索文本.可以使用标准的INSTR函数和LIKE操作符实现。

SELECT *FROM mytext WHERE INSTR (thetext, 'Oracle') >0;SELECT * FROM mytext WHERE thetext LIKE '%Oracle%';有很多时候，使用instr和like是很理想的, 特别是搜索仅跨越很小的表的时候.然而通过这些文本定位的方法将导致全表扫描,对资源来说消耗比较昂贵,而且实现的搜索功能也非常有限，因此对海量的文本数据进行搜索时，建议使用oralce提供的全文检索功能建立全文检索的步骤步骤一检查和设置数据库角色首先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，意味着你的数据库创建时未安装intermedia功能。

你必须修改数据库以安装这项功能。

默认安装情况下，ctxsys用户是被锁定的，因此要先启用ctxsys的用户。

步骤二赋权在ctxsys用户下把ctx_ddl的执行权限赋于要使用全文索引的用户，例：grant execute on ctx_ddl to pomoho;步骤三设置词法分析器(lexer)Oracle实现全文检索，其机制其实很简单。

即通过Oracle专利的词法分析器(lexer),将文章中所有的表意单元(Oracle 称为 term)找出来，记录在一组以dr$开头的表中，同时记下该term出现的位置、次数、hash 值等信息。

检索时，Oracle 从这组表中查找相应的term，并计算其出现频率，根据某个算法来计算每个文档的得分(score),即所谓的‘匹配率’。

而lexer则是该机制的核心，它决定了全文检索的效率。

Oracle 针对不同的语言提供了不同的 lexer, 而我们通常能用到其中的三个：n basic_lexer: 针对英语。

它能根据空格和标点来将英语单词从句子中分离，还能自动将一些出现频率过高已经失去检索意义的单词作为‘垃圾’处理，如if , is 等，具有较高的处理效率。

但该lexer应用于汉语则有很多问题，由于它只认空格和标点，而汉语的一句话中通常不会有空格，因此，它会把整句话作为一个term,事实上失去检索能力。

以‘中国人民站起来了’这句话为例，basic_lexer 分析的结果只有一个term ,就是‘中国人民站起来了’。

此时若检索‘中国’，将检索不到内容。

n chinese_vgram_lexer: 专门的汉语分析器，支持所有汉字字符集(ZHS16CGB231280 ZHS16GBK ZHT32EUC ZHT16BIG5 ZHT32TRIS ZHT16MSWIN950 ZHT16HKSCS UTF8 )。

该分析器按字为单元来分析汉语句子。

‘中国人民站起来了’这句话，会被它分析成如下几个term: ‘中’，‘中国’，‘国人’，‘人民’，‘民站’，‘站起’，起来’，‘来了’，‘了’。

可以看出，这种分析方法，实现算法很简单，并且能实现‘一网打尽’，但效率则是差强人意。

n chinese_lexer: 这是一个新的汉语分析器，只支持utf8字符集。

上面已经看到，chinese vgram lexer这个分析器由于不认识常用的汉语词汇，因此分析的单元非常机械，像上面的‘民站’，‘站起’在汉语中根本不会单独出现，因此这种term是没有意义的，反而影响效率。

chinese_lexer的最大改进就是该分析器能认识大部分常用汉语词汇，因此能更有效率地分析句子，像以上两个愚蠢的单元将不会再出现，极大提高了效率。

但是它只支持 utf8, 如果你的数据库是zhs16gbk字符集，则只能使用笨笨的那个Chinese vgram lexer. 如果不做任何设置，Oracle 缺省使用basic_lexer这个分析器。

要指定使用哪一个lexer, 可以这样操作：第一．当前用户下下建立一个preference(例：在pomoho用户下执行以下语句)exec ctx_ddl.create_preference ('my_lexer','chinese_vgram_lexer');第二．在建立全文索引索引时，指明所用的lexer:CREATE INDEX myindex ON mytable(mycolumn) indextype isctxsys.contextparameters('lexer my_lexer');这样建立的全文检索索引，就会使用chinese_vgram_lexer作为分析器。

步骤四建立索引通过以下语法建立全文索引CREATE INDEX [schema.]index on [schema.]table(column)INDEXTYPE IS ctxsys.context [ONLINE]LOCAL [(PARTITION [partition][PARAMETERS('paramstring')][, PARTITION [partition][PARAMETERS('paramstring')]])][PARAMETERS(paramstring)] [PARALLEL n] [UNUSABLE];例：CREATE INDEX ctx_idx_menuname ON pubmenu(menuname)indextype is ctxsys.context parameters('lexermy_lexer')步骤五使用索引使用全文索引很简单，可以通过：select * from pubmenu where contains(menuname,'上传图片')>0全文索引的种类建立的Oracle Text索引被称为域索引(domain index)，包括4种索引类型：l CONTEXT2 CTXCAT3 CTXRULE4 CTXXPATH依据你的应用程序和文本数据类型你可以任意选择一种。

对多字段建立全文索引很多时候需要从多个文本字段中查询满足条件的记录，这时就需要建立针对多个字段的全文索引，例如需要从pmhsubjects(专题表)的subjectname(专题名称)和briefintro(简介)上进行全文检索，则需要按以下步骤进行操作：Ø建议多字段索引的preference以ctxsys登录，并执行：EXEC ctx_ddl.create_preference('ctx_idx_subject_pref','MULTI_COLUMN_DATASTORE');Ø 建立preference对应的字段值(以ctxsys登录)EXEC ctx_ddl.set_attribute(' ctx_idx_subject_pref','columns','subjectname,briefintro');Ø 建立全文索引CREATE INDEX ctx_idx_subject ON pmhsubjects(subjectname)INDEXTYPE ISctxsys.CONTEXT PARAMETERS('DATASTOREctxsys.ctx_idx_subject_pref lexer my_lexer')Ø 使用索引select * from pmhsubjects where contains(subjectname,'李宇春')>0全文索引的维护对于CTXSYS.CONTEXT索引，当应用程序对基表进行DML操作后，对基表的索引维护是必须的。

索引维护包括索引同步和索引优化。

在索引建好后，我们可以在该用户下查到Oracle自动产生了以下几个表：(假设索引名为myindex)：DR$myindex$I、DR$myindex$K、DR$myindex$R、DR$myindex$N其中以I表最重要，可以查询一下该表，看看有什么内容：SELECT token_text, token_count FROM dr$i_rsk1$I WHEREROWNUM <= 20;这里就不列出查询接过了。

可以看到，该表中保存的其实就是Oracle 分析你的文档后，生成的term记录在这里，包括term出现的位置、次数、hash值等。

当文档的内容改变后，可以想见这个I表的内容也应该相应改变，才能保证Oracle在做全文检索时正确检索到内容(因为所谓全文检索，其实核心就是查询这个表)。

这就用到sync(同步) 和 optimize(优化)了。

同步(sync):将新的term 保存到I表；优化(optimize):清除I表的垃圾，主要是将已经被删除的term从I表删除。

当基表中的被索引文档发生insert、update、delete操作的时候，基表的改变并不能马上影响到索引上直到同步索引。

可以查询视图CTX_USER_PENDING查看相应的改动。

例如：SELECT pnd_index_name, pnd_rowid,TO_CHAR (pnd_timestamp, 'dd-mon-yyyy hh24:mi:ss') timestampFROM ctx_user_pending;该语句的输出类似如下：PND_INDEX_NAME PND_ROWID TIMESTAMP------------------------------ --------------------------------------MYINDEX AAADXnAABAAAS3SAAC06-oct-1999 15:56:50同步和优化方法: 可以使用Oracle提供的ctx_ddl包同步和优化索引一. 对于CTXCAT类型的索引来说，当对基表进行DML操作的时候，Oracle自动维护索引。

对文档的改变马上反映到索引中。

CTXCAT是事务形的索引。

索引的同步在对基表插入，修改，删除之后同步索引。

推荐使用sync同步索引。

语法：ctx_ddl.sync_index(idx_name IN VARCHAR2 DEFAULT NULLmemory IN VARCHAR2 DEFAULT NULL,part_name IN VARCHAR2 DEFAULT NULLparallel_degree IN NUMBER DEFAULT 1);idx_name 索引名称memory 指定同步索引需要的内存。