ITPub博客

首页 > 数据库 > Oracle > Oracle Secure Enterprise Search 爬虫介绍

Oracle Secure Enterprise Search 爬虫介绍

原创 Oracle 作者:zhulch 时间:2009-04-29 22:02:59 0 删除 编辑

最近老听说Oracle ses ,自己也简单研究了一下,听到不少好听的,也有人不太好用的,

找了一些资料,方便自己学习,如果对你也有帮助,那是最好不过的事了。。

详细请看下面

[@more@]

基本搜索

使用此页可以使用单个查询框执行搜索。搜索不区分大小写。使用分组方式和排序方式列表可以重排结果的显示方式。

Oracle SES 对查询词应用词根还原。这会将词语扩展到共享同一词根的其他词语。例如,查询 [banks] 返回包含 banks、banking 或 bank 等词的文档。Oracle SES 基于查询语言使用词根还原。隐式词根还原扩展适用于单个词语搜索、邻近搜索和 STRING 属性的属性快捷方式搜索。它不适用于短语搜索,通过将词语引在双引号中可以关闭该功能。

Oracle SES 还执行隐式替代字扩展。扩展替代字对时,Oracle SES 显示“您是否要...”消息。替代字扩展仅适用于单个词语和可能的短语。例如,查询 [enterprise search] 可能具有词语 enterprise、search 和短语“enterprise search”(与已注册的最长替代字匹配的任何一个) 的隐式替代字扩展。

结果可能包含已高速缓存的文档 HTML 版本和指向链接到和链接自该结果的页面的链接。搜索文本框上的任何链接都是源组。源组是由搜索管理员创建的可以一起搜索的文档组。单击源组可以将搜索限于该组。

下表描述搜索规则。方括号中的文本表示在搜索中输入的字符。

规则说明
单个词语搜索输入词语可查找包含该词语的文档。例如,[oracle] 查找在文档中的任何位置包含词语 Oracle 的所有文档。

AND 运算符适用于查询中用空格分隔的任何两个可搜索项。例如,[oracle text] 具有两个可搜索项,它返回包含 oracle 和 text 的文档。

运算符 [&] 显式表示 AND 关系。查询 [oracle & text] 也返回包含 oracle 和 text 的文档。

短语搜索 ["..."]

将一组词用引号括起来可以查找包含该准确短语的文档。

Oracle SES 不对查询短语应用隐式词根还原扩展,但它可以对短语中的词语应用显式词语扩展。短语中除词语扩展运算符之外的所有运算符都不会被视为有效的运算符,而是被视为普通的特殊字符。

例如,[oracle "RAC performance"] 返回包含 oracle 和短语“RAC performance”的文档,而不会返回包含词根还原形式“RAC performances”的文档。查询 ["sec^re search"] 返回具有短语“sec re search”的文档。

属性快捷方式搜索

依次输入属性名、冒号 (:) 和要搜索的值来搜索属性。隐式词根还原将应用到属性值词语。可以将运算符作为选项指定。未指定运算符时,Oracle SES 对 STRING 属性使用“包含”,对 NUMBER 和 DATE 属性使用“等于”。

例如,[DocVersion:>1] 返回具有数字属性 DocVersion 并且其中的属性值大于 1 的文档。查询 [title:"oracle text"] 返回标题属性中具有短语“oracle text”的文档。查询 [oracle | title:S*S] 返回具有词语 oracle 或标题属性中具有 SES 的文档。查询 [title:^oracle] 与 [title:oracle] 具有相同的效果。包含 [^] 运算符仅适用于 STRING 属性。

  • 等于 [=] 返回属性与查询相同 (不区分大小写) 的文档。例如,[title:="oracle text"] 返回标题为“oracle text”的文档。它适用于所有三种属性。
  • 小于和狭义词 [<] 返回属性值小于或早于查询值的文档。例如,[DocVersion:<2] 返回具有数字属性 Docversion 并且其中的属性值小于 2 的文档。它们适用于所有三种属性。
  • 小于等于 [<=] 适用于 NUMBER 和 DATE 属性。
  • 大于和广义词 [>] 返回属性值大于或晚于查询值的文档。它们适用于所有三种属性。
  • 大于等于 [>=] 适用于 NUMBER 和 DATE 属性。例如,[price:>=10] 返回价格属性值大于或等于 10 的文档。查询 [lastmodifieddate:>=12/23/2006] 返回 lastmodifieddate 属性值为 2006 年 12 月 23 日或以后的文档。
邻近搜索 ["..."~]

使用邻近搜索指定多个词语在其间出现的最大距离。邻近搜索必须将搜索词括在双引号中。未指定最大跨距时,Oracle SES 应用 100 个词语的默认窗口。最大数量是 100。指定大于 100 的值时,Oracle SES 将其视为 100。

例如,["ses performance"~10] 返回在任何 10 个词语跨度的窗口中具有词语 SES 和 performance 的文档。查询 ["ses performance"~] 返回在任何 100 个词语跨度的窗口中包含 SES 和 performance 的文档。

模糊 [...~] 搜索

将运算符 (~) 放在单个词语的末尾可以返回包含与查询词的拼写类似的词语的文档。

例如,[hallo~] 返回包含词语 hello 的文档。查询 [spacifi*tion~] 返回包含词语 specification 的文档。

如果括在双引号中的单个词语后跟 ~,则该查询不是邻近搜索而是模糊搜索。查询 ["parformance"~] 返回包含词语 performance 的文档。

词典搜索:

同义词 [~...] 搜索

狭义词 [<] 搜索

广义词 [>] 搜索

基于词典的运算符需要将词典加载到 Oracle SES 中。

将运算符 [~] 放在某个词语的开头可以返回包含原始查询词或其同义词的文档。例如,[~"RAC"] 返回包含 RAC 或词典定义的同义词 real application clusters 的文档。同义词关系是对称的:real application clusters 是 RAC 的同义词,RAC 是 real application clusters 的同义词。在属性搜索中,它仅适用于 STRING 属性。

查询 [<"Northern California"] 返回包含词典定义的狭义词 San Francisco 或原始短语 Northern California 的文档。查询 [product:>chair] 返回产品属性包含广义词 furniture 或原始词 chair 的文档。指定 furniture 是 chair 的广义词也隐式指定了 chair 是 furniture 的狭义词。

OR [ | ] 搜索

使用 OR [ | ] 运算符可以连接任何两个可搜索项。

例如,[oracle | "RAC performance"~ ] 返回具有词语 oracle 或在任何 100 个词语跨度的窗口中具有词语 RAC 和 performance 的文档。查询 [oracle | title:SES] 返回具有词语 oracle 或在标题属性中具有 SES 的文档。

分组 ( ) 搜索

使用括号 [( )] 可以将搜索组件组合在一起以更改 AND 和 OR 运算符的优先级。分组的查询组件必须构成有效的查询。如果括号内的查询字符串不是有效的查询,则 Oracle SES 会将其隐式重写为最接近的有效查询。

例如,[(oracle | database) sales] 返回包含 sales 并包含 oracle 或 database 的文档。查询 [(oracle |) sales] 返回包含 oracle 和 sales 的文档,因为 [oracle |] 不是有效查询。

运算符的优先级顺序如下 (从最高到最低):[()]、[+] 和 [-]、[&,包括隐式 AND]、[ | ]。其他运算符没有优先级。运算符 [+] 和 [-] 具有相同的优先级。这些运算符按查询中从左到右的顺序应用。

多个字符的通配符匹配 [*]

在词语的中间或末尾添加运算符 [*] 可以进行通配符匹配搜索。在一个词语中可以多次应用该运算符。位于搜索词开头的通配符运算符被忽略。

例如,[ora*] 查找包含以 ora 开头的所有词的文档,如 Oracle 和 Orator。查询 [title:a*e] 返回标题中包含 apple 或 ape 等词的文档。

多个字符通配符扩展可能导致词语过多。例如,[a*] 可能找到以 a 开头的太多词语。Oracle SES 会引发错误以细化查询。

前面带有转义符 [] 时,通配符运算符 [*] 无效。例如 [Pro*c]。

通配符匹配不能与中文或日文本地字符一起使用。

单个字符的通配符匹配 [?]

在词语的中间或末尾添加运算符 (?) 可以进行单个字符的通配符匹配搜索。在一个词语中可以多次应用该运算符。位于搜索词开头的通配符运算符被忽略。

例如,[orac?e] 和 [or?CL?] 都返回包含用单个字符替换 ? 的词语 (如 Oracle) 的文档。

前面带有转义符 [] 时,通配符运算符 [?] 无效。

通配符匹配不能与中文或日文本地字符一起使用。

强制包含 [+] 搜索将运算符 [+] 放在任何可搜索项 (词语、短语、属性快捷方式或邻近搜索) 之前,可以要求在所有匹配文档中出现该词。

例如,[oracle +applications] 仅查找包含词 Oracle 和 applications 的文档。+ 运算符和搜索词之间不应有空格。

将强制包含与 OR [ | ] 运算符一起使用时,强制包含运算符无效。例如,查询 [text | +database] 返回包含词语 text 或 database 的文档。

强制排除 [-] 搜索

将运算符 [-] 放在任何可搜索项 (包括词语、短语、属性快捷方式和邻近搜索) 的开头,可以要求在所有匹配文档中不出现该可搜索项。[-] 和搜索词之间不应有空格。

例如,[oracle –applications] 返回包含 oracle 但不包含 applications 的文档。查询 [oracle –"application server"] 返回包含 oracle 但不包含短语“application server”的文档。查询 [oracle –title:oracle] 返回包含 oracle 但标题中不包含 oracle 的文档。查询 [oracle –"application server"~] 返回包含 oracle 但在任何 100 个词语跨度的窗口中不包含 application 和 server 的文档。

强制排除查询不能是唯一查询。例如,[-oracle] 会引发错误。此外,强制排除查询不能用 OR [ | ] 运算符连接。例如,[oracle | -database] 会引发错误。

文件类型过滤 [filetype:filetype]

在搜索词后附加 [filetype:filetype] 可将结果限于该特定文件类型。例如,[documentation filetype:pdf] 返回词语 documentation 的 PDF 格式文档。“filetype”快捷方式必须小写,但是文件类型名不区分大小写,也就是说,[documentation filetype:PDF] 将返回相同的文档。

查询只能包含一个文件类型。支持下列文件类型扩展名:doc、htm、html、xml、ps、pdf、txt、rtf、ppt 和 xls。

站点搜索 [site:host]

附加 [site:host] 可将结果限于该特定站点。例如,[site: filetype:pdf] 返回 中格式为 PDF 的文档。“site”快捷方式必须小写,但是主机名不区分大小写,也就是说,[site: filetype:pdf] 将返回相同的文档。

查询只能包含一个站点以获得准确的主机匹配。查询 [site:*.oracle.com] 无效。

组搜索 [SG:source group]

附加 [SG:source group] 可将结果限于该特定源组。

例如,[sg:intranet] 返回 intranet 源组中的文档。“SG”快捷方式必须小写,但是源组名不区分大小写,也就是说,[SG:IntraNet] 将返回相同的文档。

在联合搜索中,源组名是本地 (中介) 节点中的源组。如果本地源组包含联合源,则 Oracle SES 会通过更改查询将本地源组名翻译为联合源组名,然后将该名称发送到联合源以获得结果。

注:

  • Oracle 在搜索结果中并入 KWIC (上下文内关键字)。其大小限制为 4k。也就是说,如果搜索到的关键字出现在文档的前 4k 中,则搜索结果中将显示 KWIC。如果关键字出现在前 4k 之后,则不显示 KWIC。
  • 查询中的非字母数字字符被视为词语分隔符;例如 #、%、/ 等。国际字符不会被视为特殊字符。

浏览

单击浏览按钮可打开单独的搜索窗口以在源组中搜索。源组是由搜索管理员创建的可以一起搜索的源的组。

单击源组名可以查看其下的子组。通过单击子组名可以进一步细化到层次。选择树中的一个或多个组,然后单击搜索可以将结果限于该组。

要查看特定组下的所有文档,请单击该源组名旁边的编号。这是组中的文档编号。您也可在此页执行源组范围下的带限制条件的搜索。

来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/7318139/viewspace-1021496/ ,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
  • 博文量
    554
  • 访问量
    2318282