区域文档段类似 interMedia Text (称为 ConText) 的上一个发行版中的文档段。interMedia Text 记录文档中文档段的开始标记和结束标记的位置。WITHIN 查询检查词的起止偏移量之间是否有词。
如果区域文档段重复,在查询语义中每个实例将被分别处理。区域文档段可以包含其它文档段 (包括它本身),也可以包含在其它文档段中。使用 interMedia Text API,区域文档段可由某个过程将按以下格式添加:
ctx_ddl.add_zone_section('groupname', 'sectionname', 'tag');
另一方面,字段文档段提取文档的内容,并且分别为它们编制索引,以便区别于文档中的其它词。WITHIN 查询将在这个单独的、较小的索引上运行。这使得字段文档段查询比区域文档段查询速度快,尤其是在每个文档中都有文档段标记的情况下。
不过,获得较快的速度必须以牺牲灵活性为代价。字段文档段适用于无重复、无重叠的文档段。如果出现重复的字段文档段,将把它当作该文档段的延续,而不是一个单独的实例来处理。如果字段文档段被其自身或另一个字段文档段重叠,该字段文档段将在其它文档段打开时被隐式关闭。另外,任何文档段组中最多可以有 64 个字段文档段。(这是指有 64 个文档段名称,而不是标记 - 您可以将多个标记映射到同一个文档段名称。)使用 interMedia Text API,字段文档段可由某个过程将按以下格式添加:
ctx_ddl.add_field_section('groupname', 'sectionname', 'tag');
有几个示例可以说明不同的文档段类型以及对查询语义的影响。这些示例使用如下三行文档:
<A>rat</A><A>ox</A>
<B>tiger rabbit</B>
<C>dragon<C>snake</C></C>
注:这是 XML 样式的标记,但由于没有 DTD,因此使用基本的文档段组类型。
ctx_ddl.create_section_group('mygroup','basic_section_group');
现在创建区域文档段:
ctx_ddl.add_zone_section('mygroup', 'asec', 'a');
ctx_ddl.add_zone_section('mygroup', 'bsec', 'b');
ctx_ddl.add_zone_section('mygroup', 'csec', 'c');
这些步骤指示文档段组将 A 标记识别为文档段 ASEC;将 B 标记识别为文档段 BSEC;将 C 标记识别为文档段 CSEC。要执行文档段查询,请使用 WITHIN 运算符。(请记住应使用文档段名称,而不是标记。)请参考以下两个示例:
contains(text, 'rat within asec') > 0
contains(text, 'tiger within asec') > 0
第一个查询查找到了文档,而第二个查询没有查找到。这是因为尽管文档中包含 "tiger",但是该词不在 ASEC 中。 不过,如果初始设置已将 A 和 B 映射到同一个文档段名称 (ASEC) (如下所示),则这两个查询都会查找到文档。
ctx_ddl.add_section('mygroup', 'asec', 'a');
ctx_ddl.add_section('mygroup', 'asec', 'b');
区域查询语义
区域文档段查询语义的一个重要特征是:每个实例都被分别处理。即,类似为 contains(text, '(tiger and rabbit) within bsec') > 0 的查询可以查找到文档,而类似为 contains(text, '(rat and ox) within asec') > 0 的查询不能查找到文档。
contains(text, '(tiger and rabbit) within bsec') > 0
的确可以查找到文档,但类似下面的查询:
contains(text, '(rat and ox) within asec') > 0
查找不到文档。尽管该文档有 "rat" 和 "ox",并且 "rat" 在 ASEC 中, "ox" 也在 ASEC 中,但是 "rat" 和 "ox" 不在同一个 ASEC 中。不过,请注意:
contains(text, '(dragon and snake) within csec') > 0
可以查找到文档,因为这两个词都在外层的 CSEC 中,尽管内层 CSEC 中仅有 "snake"。
字段查询语义
为了举例说明字段查询语义,假设已将 ASEC 设置为字段文档段,而不是区域文档段,如下所示:
ctx_ddl.add_field_section('mygroup', 'asec', 'a');
与区域文档段不同,字段文档段的每个实例都将被当作该文档段的延续。下面这个查询:
contains(text, '(rat and ox) within asec') > 0
可以查找到文档,尽管在 ASEC 为区域文档段的情况下它没有查找到文档。字段文档段只是简单地将两个实例一并考虑。 字段文档段在类似 BSEC 的文档段上效果最好。这些文档段不象 ASEC 那样有重复,也不象 ASEC 那样有嵌套。
字段文档段的另一个不明显的特征,如下所示:如果 ASEC 是区域文档段,则下面的查询:
contains(text, 'rat') > 0
可以查找到文档,因为该它包含词 "rat"。不过,请记住字段文档段的工作方式是:提取文档的内容,然后分别为它们编制索引。因此,假设 ASEC 是字段文档段,该查询将无法查找到文档。因为 "rat" 在 ASEC 中,而 ASEC 与文档内容是分离的。
不过,您可以将该字段文档段设置为可见,从而改变这种情况。对 add_field_section 步骤有一个可选的第四个布尔型参数。如果该布尔型参数设置为 TRUE,如下所示:
ctx_ddl.add_field_section('mygroup', 'asec', 'a', TRUE);
则该字段文档段是可见的,并且该文档段的内容对非 WITHIN 查询是可见的,就象区域文档段一样。interMedia Text 用为该词编制双重索引的方法实现该功能 (一次作为已提取的文档段的部分,一次作为主体的部分),因此这个可见选项的确会增加编制索引所需的空间。
另请参阅:主要主题 (大纲),开始使用 interMedia Text