Tipos de Seção: Zona e Campo

Seções do tipo zona são como as seções da versão anterior do interMedia Text (chamado de ConText). O interMedia Text registra onde no documento ocorrem as tags de início e fim de seção. As consultas WITHIN verificam se as palavras ocorrem entre os deslocamentos inicial e final da palavra.

Se a seção de zona se repetir, cada instância será tratada separadamente na semântica da consulta. As seções de zona podem abranger outras seções, incluindo elas próprias, e podem ser abrangidas por outras seções. Com a API do interMedia Text, a seção de zona é adicionada por um procedimento no seguinte formato:

ctx_ddl.add_zone_section('nome do grupo', 'nome da seção', 'tag');

Seções do tipo campo, por outro lado, extraem seu conteúdo e o indexa separadamente de outras palavras do documento. As consultas WITHIN são executadas nesse índice menor, separado. Isso torna a consulta em uma seção de campo mais rápida do que uma consulta em uma seção de zona, especialmente quando as tags de seção ocorrem em todos os documentos.

No entanto, essa rapidez prejudica a flexibilidade. As seções de campo se destinam a seções não-repetitivas que não se sobrepõem. Se uma seção de campo se repetir, ela será tratada como uma continuação da seção, e não como uma instância separada. Se a seção de campo for sobreposta por ela mesma ou por outra seção de campo, ela será implicitamente fechada no ponto em que a outra seção começar. Além disso, há um máximo de 64 seções de campo em qualquer grupo de seções. (Isso significa 64 nomes de seção, e não tags - você pode mapear vários tags para o mesmo nome de seção.) Com a API do interMedia Text, uma seção de campo é adicionada por um procedimento no seguinte formato:

ctx_ddl.add_filed_section('nome do grupo', 'nome da seção', 'tag');

Vários exemplos podem ilustrar os diferentes tipos de seções e seu impacto na semântica da consulta. Os exemplos utilizam um documento de três linhas:

<A>rat</A><A>ox</A>

<B>tiger rabbit</B>

<C>dragon<C>snake</C></C>

Observação: Esta é uma marcação no estilo XML, mas sem um DTD; portanto, é usado o tipo de grupo de seções básico

ctx_ddl.create_section_group('meu grupo,'basic_section_group');

Agora, crie as seções de zona:

ctx_ddl.add_zone_section('meu grupo', 'asec', 'a');

ctx_ddl.add_zone_section('meu grupo', 'bsec', 'b');

ctx_ddl.add_zone_section('meu grupo', 'csec', 'c');

Esses procedimentos informam ao grupo de seções para reconhecer as tags A como a seção ASEC, as tags B como a seção BSEC e as tags C como a seção CSEC. Para executar consultas de seção, use o operador WITHIN. (Lembre-se de usar o nome da seção e não o tag.) Considere os seguintes exemplos:

contains(text, 'rat within asec') > 0

contains(text, 'tiger within asec') > 0

A primeira consulta localiza o documento, mas a segunda não porque, apesar de o documento conter "tiger", o termo não ocorre em ASEC. No entanto, ambas as consultas localizariam o documento se a configuração original tivesse mapeado A e B para o mesmo nome de seção (ASEC), da seguinte forma:

ctx_ddl.add_section('meu grupo', 'asec', 'a');

ctx_ddl.add_section('meu grupo', 'asec', 'b');

Semântica da Consulta de Zona

Um aspecto importante da semântica da consulta de zona é que cada instância é tratada de forma distinta. Ou seja, uma consulta como esta:

contains(text, '(tiger and rabbit) within bsec') > 0

não localiza o documento, mas uma consulta como:

contains(text, '(rat and ox) within asec') > 0

não localiza o documento. Apesar de o documento ter "rat" e "ox" e de "rat" e "ox" estarem em ASECs, "rat" e "ox" não estão dentro da mesma ASEC. No entanto, observe que:

contains(text, '(dragon and snake) within csec') > 0

não localiza o documento porque estão na CSEC externa, apesar de a CSER interna conter apenas "snake".

Semântica da Consulta de Campo

Para ilustrar a semântica da consulta de campo, pressuponha que ASEC foi transformada em uma seção de campo, em vez de uma seção de zona, da seguinte forma:

ctx_ddl.add_field_section('meu grupo', 'asec', 'a');

Ao contrário das seções de zona, cada instância se uma seção de campo é considerada uma continuação da seção. A seguinte consulta:

contains(text, '(rat and ox) within asec') > 0

localiza o documento, apesar de não ter encontrado o documento quando ASEC era uma seção de zona. A seção de campo simplesmente considera as duas instâncias ao mesmo tempo. As seções de campo funcionam melhor em seções como BSEC, que não se repete como ASEC nem se aninha como CSEC.

Outro aspecto sutil das seções de campo é mostrado a seguir. Se ASEC for uma seção de zona, a seguinte consulta:

contains(text, 'rat') > 0

encontrará o documento porque contém a palavra "rat". No entanto, lembre-se de que as seções de campo funcionam melhor ao extrair o conteúdo do documento e indexando-os separadamente. Assim, se ASEC fosse uma seção de campo, essa consulta não encontraria o documento porque "rat" está em ASEC, que está separada do conteúdo do documento.

No entanto, você pode alterar isso tornando essa seção de campo visível. Há um quarto argumento booleano opcional para o procedimento add_field_section. Se esse argumento booleano for definido como TRUE, como em:

ctx_ddl.add_field_section('meu grupo', 'asec', 'a', TRUE);

a seção de campo estará visível e o conteúdo da seção estará visível para consultas não-WITHIN, assim como seções de zona. O interMedia Text possibilita isso ao indexar duplamente a palavra (uma vez como parte da seção extraída e uma vez como parte do corpo); portanto, essa opção visível não compromete os requisitos de espaço para indexação.

Consulte também: Tópicos principais (estrutura de tópicos), Conceitos Básicos do interMedia Text