Oracle Text 是一種功能強大的搜索技術(shù)，它內(nèi)置于 Oracle 數(shù)據(jù)庫的所有版本(包括免費提供的快捷版 (XE))中。它所提供的開發(fā) API 使軟件開發(fā)人員能夠輕松實現(xiàn)功能齊備的內(nèi)容搜索應(yīng)用程序。

　　Oracle Text 可用于搜索結(jié)構(gòu)化和非結(jié)構(gòu)化文檔，是對 SQL 通配符匹配的補充。Oracle Text 支持使用基本的布爾運算符(AND、OR、NOT、NEAR 等)將多個搜索條目組合到一起，此外，它還具有更高級的功能，如 soundex 和模糊搜索，以及結(jié)果排序等。該技術(shù)支持?jǐn)?shù)百種文件類型，包括 Microsoft Office 和 PDF。Oracle Text 適合多種與搜索相關(guān)的使用情況和存儲結(jié)構(gòu)。Text 的應(yīng)用領(lǐng)域包括電子商務(wù)、文檔和記錄管理，以及問題跟蹤等。可檢索的文本可以結(jié)構(gòu)化形式駐留在數(shù)據(jù)庫中，也可以非結(jié)構(gòu)化形式駐留在本地文件系統(tǒng)中或 Web 上。

　　Oracle Text 提供完整的基于 SQL 的搜索 API，該 API 包含自定義查詢運算符、DDL 語法擴展、一組 PL/SQL 過程和數(shù)據(jù)庫視圖。通過 Text API，應(yīng)用程序開發(fā)人員可完全控制索引、查詢、安全、演示以及有時會需要的軟件配置，在開發(fā)即需即用的非自定義軟件時尤為如此。通過即需即用的軟件產(chǎn)品，您希望使軟件的配置盡可能簡約，即使這意味著要在產(chǎn)品開發(fā)中多做一些前期工作也是如此。降低應(yīng)用程序的復(fù)雜性通常會在產(chǎn)品生命周期的后期，尤其是在支持、維護和未來產(chǎn)品開發(fā)階段中見到成效。

　　Oracle Text 還支持文檔級授權(quán)，而文檔級授權(quán)通常很難在統(tǒng)一的同時保持高性能。借助 Text，組合了關(guān)系數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)的混和查詢也得到了很好的支持。對于授權(quán)，這意味著您可以將全文搜索和授權(quán)合并到一個查詢中。獨立結(jié)果集和獲得最終結(jié)果所需的過濾階段的數(shù)量可最大程度地縮減，從而簡化了應(yīng)用程序的開發(fā)。Oracle Text 使應(yīng)用程序開發(fā)人員從繁瑣的開發(fā)中解脫出來，可以集中精力進(jìn)行性能優(yōu)化。

　　Oracle Text 也是編程語言不可知的，并且也可以同樣卓越的表現(xiàn)為 PHP 以及 Java 應(yīng)用程序工作。

　　前一段時間，我需要提高企業(yè)內(nèi)容管理 (ECM) 系統(tǒng)的搜索功能。我首先對 Oracle Text 的使用進(jìn)行了評估。評估證明 Oracle Text 是一種構(gòu)建應(yīng)用程序搜索非常可行的技術(shù)：它具有高級搜索功能，支持大量不同的文件類型，可高度自定義，同時高度可伸縮。原有搜索技術(shù)的一個缺點是，您需要在數(shù)據(jù)庫外部運行文件內(nèi)容搜索，然后運行數(shù)據(jù)庫元數(shù)據(jù)搜索，對結(jié)果進(jìn)行授權(quán)，最后，合并獨立的結(jié)果集。使用 Oracle Text，所有這些操作都可以在數(shù)據(jù)庫中進(jìn)行。ECM 系統(tǒng)已經(jīng)使用 Oracle 數(shù)據(jù)庫來存儲元數(shù)據(jù)。因為此項技術(shù)已經(jīng)推出，因此客戶自然會選擇使用，而且它也不會給客戶增加任何成本。

　　在數(shù)據(jù)庫中執(zhí)行自由文本搜索查詢的簡單方法類似于：

　　SELECT * FROM issues
　　WHERE LOWER(author) LIKE '%word1%' AND LOWER(author) LIKE '%word2%' ...

　　使用這種方法，每一列都需要與每個關(guān)鍵字單獨進(jìn)行匹配。在每一列中，可以任何順序與關(guān)鍵字進(jìn)行匹配。然而，關(guān)系數(shù)據(jù)庫的設(shè)計使得它不會像上面那樣有效地執(zhí)行查詢，而且使用這種方法會產(chǎn)生極其不可伸縮的應(yīng)用程序。當(dāng)然，您可以設(shè)計自己的索引和搜索解決方案，但是，那樣您可能不會優(yōu)化使用您的資源，在您已經(jīng)為將搜索技術(shù)作為數(shù)據(jù)庫的一部分付出了成本的情況下尤為如此。

　　本文討論 Oracle Text 在虛擬的問題跟蹤應(yīng)用程序中的使用。在這個應(yīng)用程序中，用戶可以創(chuàng)建一些包含元數(shù)據(jù)和可選附加文件的問題。該應(yīng)用程序利用 Oracle Text 實現(xiàn)元數(shù)據(jù)和可選附加文件內(nèi)容的全文搜索功能。

　　此處給出的示例已經(jīng)在 Linux 的 Oracle 數(shù)據(jù)庫 XE 上進(jìn)行了測試，這些示例應(yīng)該同樣也可在其他 Oracle 平臺上運行良好。

　　索引進(jìn)程與搜索

　　Oracle Text 為可檢索的數(shù)據(jù)項建立索引之后，用戶才能夠通過搜索查找內(nèi)容。編制索引是確保搜索性能的常用方法。Oracle Text 的索引進(jìn)程是根據(jù)管道建模的，在這個管道中，從數(shù)據(jù)存儲檢索來的數(shù)據(jù)項經(jīng)過一系列轉(zhuǎn)換之后，其關(guān)鍵字會添加到索引中。該索引進(jìn)程分為多個階段，每個階段都由一個單獨的實體來處理，并可由應(yīng)用程序開發(fā)人員來配置。

　　Oracle Text 具有適合不同用途的不同索引類型。對于大型文檔的全文搜索，適合使用 CONTEXT 索引類型。該索引進(jìn)程包括以下幾個階段：

　　數(shù)據(jù)檢索：只是將數(shù)據(jù)從數(shù)據(jù)存儲(例如 Web 頁面、數(shù)據(jù)庫大型對象或本地文件系統(tǒng))中取出，然后作為數(shù)據(jù)流傳送到下一個階段。

　　過濾：過濾器負(fù)責(zé)將各種文件格式的數(shù)據(jù)轉(zhuǎn)換為純文本格式。索引管道中的其他組件只能處理純文本數(shù)據(jù)，不能識別 Microsoft Word 或 Excel 等文件格式。

　　分段：分段器添加關(guān)于原始數(shù)據(jù)項結(jié)構(gòu)的元數(shù)據(jù)。

　　詞法分析：根據(jù)數(shù)據(jù)項的語言將字符流分為幾個字詞。

　　索引：最后一個階段將關(guān)鍵字添加到實際索引中。

　　索引構(gòu)建完成后，應(yīng)用程序即可通過普通的 SQL 查詢執(zhí)行最終用戶輸入的搜索。

　　安裝 Oracle Text

　　在默認(rèn)情況下，Oracle Text 隨 Oracle 數(shù)據(jù)庫 XE 一起安裝。如何使用的是其他數(shù)據(jù)庫版本，您需要自己安裝 Oracle Text 功能。安裝了此功能后，您只需創(chuàng)建一個普通的數(shù)據(jù)庫用戶，并賦予該用戶 CTXAPP 角色。這樣，用戶即可執(zhí)行特定的索引管理過程：

　　CREATE USER ot1 IDENTIFIED BY ot1;
　　GRANT connect,resource, ctxapp TO ot1;