本文来具体解释一下怎样自己定义chinese_lexer此法分析器的词典

初始化数据

create table test2 (str1 varchar2(2000),str2varchar2(2000)) ;

insert into test2

  values('地质图','中国和反馈砀山龙卷风流口水地质图') ;

insert into test2

  values('图片','图') ;

commit ;

创建此法分析器而且创建全文索引（注意词典仅仅对chinese_lexer起作用)

exec ctx_ddl.create_preference('my_lexer1','CHINESE_LEXER');

EXEC ctx_ddl.create_preference('dataquery','MULTI_COLUMN_DATASTORE');

EXEC ctx_ddl.set_attribute('dataquery','columns', 'str1,str2');

CREATE INDEX test2_idx ON test2(str1) INDEXTYPEIS ctxsys.CONTEXT PARAMETERS('datastore dataquery LEXER my_lexer1');

看一下生成的词表。能够看到。是没有地质图这个keyword的。

ctx@STARTREK>select * from DR$TEST2_IDX$I ;

TOKEN_TEXT                                                      TOKEN_TYPE TOKEN_FIRST TOKEN_LAST TOKEN_COUNT

-------------------------------------------------------------------------- ----------- ---------- -----------

TOKEN_INFO

-----------------------------------------------------------------------------------------------------------------------------------------------------

STR1                                                                      0           1          2        2

0090010301900102

STR2                                                                     0           1          2        2

0090050B01900402

地质                                                                     0           1          1       1

0090020C

反馈                                                                     0           1          1       1

008808

和                                                                        0           1          1       1

008807

口水                                                                     0           1          1       1

00880D

流                                                                       0           1          1       1

00880C

龙卷风                                                                   0           1          1       1

00880B

山                                                                       0           1          1      1

00880A

图                                                                       0           1          2       2

0090030C018805

图片                                                                     0           2          2       1

008802

中国                                                                     0           1          1       1

008806

砀山                                                                     0           1          1       1

008809

已选择13行。

以下開始，使用自己定义词典

C:\Users\fengjun>ctxlc -zht -ocs zhs16GBK> zhs16gbk_102.txt

C:\Users\fengjun>zhs16gbk_102.txt

搜索了一下文档，里面没有找到地质图这个关键词

最末尾加上地质图

生成自己定义词典须要使用的三个以d、k、i结尾的文件

这里总是出错

C:\Users\fengjun>ctxlc -zht -ics zhs16gbk -izhs16gbk_102.txt

DRG-52107: ctxkbtc internal error

加上-n參数，顺利生成

C:\Users\fengjun>ctxlc -zht -ics zhs16gbk -n-i zhs16gbk_102.txt

,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

DRG-52118: Writing index file for terms

DRG-52117: Writing index file for IDs

DRG-52116: Done writing all terms

DRG-52115: Writing new terms in lexicon tofiles

DRG-52114: Writing lexicon to files

C:\Users\fengjun>dir dr*

 驱动器 C 中的卷是Windows8_OS

 卷的序列号是6C5D-2B1F

 C:\Users\fengjun 的文件夹

2014/09/24 14:02         2,250,471 drold.dat

2014/09/24 14:02           391,326 droli.dat

2014/09/24 14:02            89,282 drolk.dat

2014/09/24 13:55           298,206 drolt.dat

              4 个文件      3,029,285 字节

              0 个文件夹 113,255,260,160 可用字节

备份$ORACLE_HOME\ctx\data\zhlx

下的内容。而且将上面的几个文件copy到$ORACLE_HOME\ctx\data\zhlx下。而且改名

d、k、i结尾的拷贝过去就可以

一定记得将原来的文件备份一下。

ctx@STARTREK>drop index test2_idx force ;

索引已删除。

ctx@STARTREK>CREATE INDEX test2_idx ONtest2(str1) INDEXTYPE IS ctxsys.CONTEXT PARAMETERS('datastore dataquery LEXERmy_lexer1');

索引已创建。

ctx@STARTREK>select * from DR$TEST2_IDX$I ;

TOKEN_TEXT                                                      TOKEN_TYPE TOKEN_FIRST TOKEN_LAST TOKEN_COUNT

-------------------------------------------------------------------------- ----------- ---------- -----------

TOKEN_INFO

--------------------------------------------------------------------------------------------------------------------------

STR1                                                                     0           1          2        2

0090010201900102

STR2                                                                     0           1          2        2

0090040A01900402

地质图                                                                   0           1          1       1

0090020B

反馈                                                                      0           1          1       1

008807

和                                                                       0           1          1       1

008806

口水                                                                     0           1          1       1

00880C

流                                                                       0           1          1       1

00880B

龙卷风                                                                   0           1          1       1

00880A

山                                                                       0           1          1       1

008809

图                                                                       0           2          2       1

008805

图片                                                                     0           2          2       1

008802

中国                                                                     0           1          1       1

008805

砀山                                                                      0           1          1       1

008808

已选择13行。

能够看到已经有地质图这个keyword了。

这样自己定义词典就完毕了，对于大数据量的检索，自己定义词典还是很有意义的。

以下是一个相关的简单測试

未加关键词之前

SQL> select count(0) from data_query t wherecontains(MDTITILE,'xxxx万地质图')>0;

COUNT(0)

----------

7072

已用时间:  00: 00: 01.54

运行计划

----------------------------------------------------------

Plan hash value: 670767155

--------------------------------------------------------------------------------

---

| Id  |Operation        | Name           | Rows  | Bytes | Cost (%CPU)| Time

|

--------------------------------------------------------------------------------

---

|   0 |SELECT STATEMENT |                |     1 |   85 |     4   (0)| 00:00:0

1 |

|   1|  SORT AGGREGATE  |                |     1 |   85 |            |

|

|*  2|   DOMAIN INDEX   | DATA_QUERY_IDX |   164 | 13940 |     4  (0)| 00:00:0

1 |

--------------------------------------------------------------------------------

---

Predicate Information (identified by operationid):

---------------------------------------------------

2 - access("CTXSYS"."CONTAINS"("MDTITILE",'xxxx万地质图')>0)

统计信息

----------------------------------------------------------

3528  recursive calls

0  db block gets

      10214  consistent gets

1173  physical reads

2824  redo size

535 bytes sent via SQL*Net to client

524  bytes received via SQL*Netfrom client

2  SQL*Net roundtrips to/fromclient

263  sorts (memory)

0  sorts (disk)

1  rows processed

加关键词之后

SQL> select count(0) from data_query t wherecontains(MDTITILE,'xxxx万地质图')>0 ;

COUNT(0)

----------

7072

已用时间:  00: 00: 00.28

运行计划

----------------------------------------------------------

Plan hash value: 670767155

--------------------------------------------------------------------------------

---

| Id  |Operation        | Name           | Rows  | Bytes | Cost (%CPU)| Time

|

--------------------------------------------------------------------------------

---

|   0 |SELECT STATEMENT |                |     1 |   85 |     4   (0)| 00:00:0

1 |

|   1|  SORT AGGREGATE  |                |     1 |   85 |            |

|

|*  2|   DOMAIN INDEX   | DATA_QUERY_IDX |   164 | 13940 |     4  (0)| 00:00:0

1 |

--------------------------------------------------------------------------------

---

Predicate Information (identified by operationid):

---------------------------------------------------

2 -access("CTXSYS"."CONTAINS"("MDTITILE",'xxxx万地质图')>0)

统计信息

----------------------------------------------------------

643  recursive calls

0  db block gets

       2438  consistent gets

34  physical reads

0  redo size

535  bytes sent via SQL*Net toclient

524  bytes received via SQL*Netfrom client

2  SQL*Net roundtrips to/fromclient

34  sorts (memory)

0  sorts (disk)

1  rows processed

相关官方文档位置：

Oracle® Text Reference

http://docs.oracle.com/cd/E11882_01/text.112/e24436/cexec.htm#CCREF2202

全文索引--自己定义chinese_lexer词典的更多相关文章

  1. 全文索引--自定义chinese_lexer词典

    全文索引它的数据字典本来就是自己加密过的数据格式,只有翻译过来了,才可以修改.这样修改后再生成它自己的数据格式文件,覆盖掉原来的,就会将新添加的关键词加入进去了!! 以下操作是在Oracle服务器安装 ...

  2. IK-Analyzer(5.3.1)动态配置自定义词典

    参考文献:http://blog.csdn.net/fatpanda/article/details/37911079 jar包: IK-Analyzer-extra-5.3.1.jar IKAnal ...

  3. Forth 采用CODE定义新词

    body, table{font-family: 微软雅黑; font-size: 13.5pt} table{border-collapse: collapse; border: solid gra ...

  4. 词典(一) 跳转表(Skip table)

    词典,顾名思义,就是通过关键码来查询的结构.二叉搜索树也可以作为词典,不过各种BST,如AVL树.B-树.红黑树.伸展树,结构和操作比较复杂,而且理论上插入和删除都需要O(logn)的复杂度. 在词典 ...

  5. 转 Oracle全文检索http://docs.oracle.com/cd/E11882_01/text.112/e24436/toc.htm

    SQL > exec ctx_ddl.create_preference ('my_test_lexer','chinese_lexer') : PL/SQL 过程成功完成 SQL > E ...

  6. 安装sphinx和coreseek

    sphinx简介 Sphinx是由俄罗斯人Andrew Aksyonoff开发的一个全文检索引擎.意图为其他应用提供高速.低空间占用.高结果 相关度的全文搜索功能.Sphinx可以非常容易的与SQL数 ...

  7. Mysql学习笔记（八）索引

    PS:把昨天的学习内容补上...发一下昨天学的东西....五月三日...继续学习数据库... 学习内容: 索引.... 索引的优点: 1.通过创建唯一索引,可以保证数据库每行数据的唯一性... 2.使 ...

  8. iOS 学习笔记 一 （2015.02.05）

    一:Xcode6输入框设置为 keyboard type设置为Number Pad弹不出键盘的解决办法   问题:Can't find keyplane that supports type 4 fo ...

  9. cocos2d-x 2.0 序列帧动画 深入分析

    转自:http://blog.csdn.net/honghaier/article/details/8222401 序列帧动画主要有几个类: CCSpriteFrame:精灵帧信息,序列帧动画是依靠多 ...

随机推荐

  1. Codeforces Round #401 (Div. 2) 离翻身就差2分钟

    Codeforces Round #401 (Div. 2) 很happy,现场榜很happy,完全将昨晚的不悦忘了.终判我校一片惨白,小董同学怒怼D\E,离AK就差一个C了,于是我AC了C题还剩35 ...

  2. 九度oj 题目1536：树的最小高度

    题目描述: 给定一棵无向树, 我们选择不同的节点作为根节点时,可以得到不同的高度(即树根节点到叶子节点距离的最大值), 现在求这棵树可能的最低高度. 输入: 输入可能包含多个测试案例. 对于每个测试案 ...

  3. C/C++ 程序中调用命令行命令并获取命令行输出结果

    在 c/c++ 程序中,可以使用 system()函数运行命令行命令,但是只能得到该命令行的 int 型返回值,并不能获得显示结果.例如system(“ls”)只能得到0或非0,如果要获得ls的执行结 ...

  4. 洛谷 [P4035] 球形空间生成器

    高斯消元 注意浮点误差,判断一个浮点数是否为 0 的时候,看他的绝对值与 \(10^{-8}\)的关系 #include <iostream> #include <algorithm ...

  5. h5表单验证的css和js方法

    1.css3 提示只适用于高级浏览器: Chrome,Firefox,Safari,IE9+ valid.invalid.required的定义 代码如下: input:required, input ...

  6. leetcode 318. Maximum Product of Word Lengths

    传送门 318. Maximum Product of Word Lengths My Submissions QuestionEditorial Solution Total Accepted: 1 ...

  7. R语言入门---杂记（一）---R的常用函数

    1.nchar():查看字符串长度. 2.rev(): 给你的数据翻个个 3.sort():给你数据排个序(默认从小到大依次排列) 4.runif():产生均匀分布的随机数 #runif

  8. SharedPreferences 存储数组+双击退出

    public static void saveApkEnalbleArray(Context context,boolean[] booleanArray) { SharedPreferences p ...

  9. [转]JVM 堆内存设置原理

    堆内存设置 原理 JVM堆内存分为2块:Permanent Space 和 Heap Space. Permanent 即 持久代(Permanent Generation),主要存放的是Java类定 ...

  10. 省赛i题/求1~n内所有数对（x,y）,满足最大公约数是质数的对数

    求1~n内所有数对(x,y),gcd(x,y)=质数,的对数. 思路:用f[n]求出,含n的对数,最后用sum[n]求和. 对于gcd(x,y)=a(设x<=y,a是质数),则必有gcd(x/a ...