L'analyseur lexical MULTI_LEXER permet le stockage, dans une seule table, de documents rédigés dans des langues différentes. Ce type d'analyseur sélectionne un analyseur lexical propre à la langue pour chaque ligne, en fonction du contenu de la colonne de langues. La présente rubrique explique la manière d'utiliser ce type d'analyseur à l'aide d'exemples issus de l'interface de programmation d'applications (API) interMedia Text.
La première étape de l'utilisation de la fonctionnalité MULTI_LEXER consiste à créer les préférences de l'analyseur de chaque langue dans la table multilingue. L'exemple API cidessous illustre la création d'analyseurs anglais, français et allemand :
ctx_ddl.create_preference('analyseur_anglais', 'analyseur_base');
ctx_ddl.set_attribute('analyseur_anglais','thèmes_index','oui');
ctx_ddl.create_preference('analyseur_français', 'analyseur_base');
ctx_ddl.set_attribute('analyseur_français','lettre_base','oui');
ctx_ddl.create_preference('analyseur_allemand', 'analyseur_base');
ctx_ddl.set_attribute('analyseur_allemand','composite','allemand');
ctx_ddl.set_attribute('analyseur_allemand','orthographe_autre','allemand');
ctx_ddl.set_attribute('analyseur_allemand','casse_mixte','oui');
Une fois que vous avez défini les préférences de l'analyseur lexical propre à chaque langue, vous devez les regrouper sous une seule préférence d'analyseur lexical, MULTI. En premier lieu, créez la préférence de l'analyseur lexical MULTI à l'aide de l'objet MULTI_LEXER :
ctx_ddl.create_preference('analyseur_général','analyseur_multi');
Ajoutez les analyseurs lexicaux propres à chaque langue à la préférence de l'analyseur lexical MULTI via l'appel add_sub_lexer :
ctx_ddl.add_sub_lexer(<analyseur_multi>, <langue>, <analyseur lexical propre à la langue>)
Par exemple :
ctx_ddl.add_sub_lexer('analyseur_général', 'allemand', 'analyseur _allemand');
ctx_ddl.add_sub_lexer('analyseur_général', 'français', 'analyseur_français');
ctx_ddl.add_sub_lexer('analyseur_général', 'valeur par défaut','analyseur_anglais');
Ainsi, la préférence analyseur_allemand doit gérer les documents allemands, la préférence analyseur_français est destinée aux documents français et la préférence analyseur_anglais se charge de tous les autres documents en utilisant la valeur de langue 'DEFAULT'.
L'analyseur lexical MULTI décide de l'analyseur lexical à utiliser pour chaque ligne en fonction du contenu de la colonne de langues. Il s'agit d'une colonne de caractères de la table, qui stocke la langue du document dans la colonne texte. La table peut par exemple être définie comme suit :
create table globaldoc (
doc_id number primary key,
lang varchar2(10),
text clob
);
insert into globaldoc values (1, 'allemand', 'Ich bin Berliner');
insert into globaldoc values (2, 'français', 'Je suis parisien.');
insert into globaldoc values (3, 'anglais', 'I''m from New York');
Pour générer l'index de cette table, utilisez la préférence d'analyseur lexical MULTI, mais précisez également le nom de la colonne de langues :
create index globalx on globaldoc(text)
indextype is ctxsys.context
parameters ('analyseur lexical_général
langue de la colonne de langues');
L'analyseur lexical MULTI_LEXER lit ensuite la valeur située dans la colonne de langues de chaque ligne, puis utilise l'analyseur lexical propre à chaque langue.
La colonne de langues ne distingue pas les majuscules des minuscules, et peut contenir l'abréviation de la langue ou le nom NLS correspondant. Si la table utilise une autre valeur de langue, vous devez préciser cette autre valeur comme quatrième argument lors de l'ajout des sousanalyseurs lexicaux. Par exemple, pour utiliser la chaîne ISO 639-2 pour l'allemand :
ctx_ddl.add_sub_lexer('analyseur_général', 'allemand', 'analyseur_allemand', 'all');
Ces autres valeurs viennent s'ajouter aux noms et aux abréviations NLS. Ainsi, les valeurs "D" et "GERMAN" dans la colonne de langues représentent toujours l'analyseur lexical allemand. En d'autres termes, les noms ou les abréviations de langue NLS ne peuvent pas faire office de valeurs de remplacement.
L'analyseur lexical par défaut (DEFAULT) est utilisé lorsque la langue du document est inconnue ou qu'elle n'est pas associée à un analyseur lexical propre à la langue. Il est également utilisé pour le traitement des mots à ignorer. Vous DEVEZ mentionner un analyseur lexical PAR DEFAUT pour éviter l'envoi d'un message d'erreur lorsque vous utilisez la préférence d'analyseur lexical MULTI lors de la création d'un index. Vous ne pouvez pas préciser d'autre valeur pour le sousanalyseur lexical PAR DEFAUT.
Au moment de l'interrogation, l'analyseur lexical MULTI choisit un analyseur lexical propre à la langue pour traiter les sèmes de l'interrogation, sur la base du paramètre NLS_LANG de la session d'interrogation. Une session d'interrogation en langue française (FRENCH) utilisera donc l'analyseur lexical du FRANCAIS.
Voir aussi : Rubriques principales (présentation), Initiation à interMedia Text