ЛИНТЕР

Шаблон полнотекстового поиска

Функция

Определение шаблона полнотекстового поиска.

Спецификация

< шаблон полнотекстового поиска >::=

поисковое выражение

< поисковое выражение >::=

< не равно >::=

< или >::=

< и >::=

< атрибут >::=

< слово >

< значение >::=

< слово >
| (['#' | '%' | '*'] '”' < строка без символа > '”' ['*'])
| (['#' | '%' | '*'] '’' < строка без символа > '’' ['*'])

< фраза >::=

'”'(< слово > |группа)
[[расстояние] (< слово > |группа) …]'”'

< группа >::=

'('< слово > [< слово >…]')', всего до 6 слов

< расстояние >::=

'|' ((['+' | '-'] смещение) | (нижняя граница верхняя граница)) '|'

< смещение >::=

целое беззнаковое число в диапазоне 1..10

< нижняя граница >::=

целое число в диапазоне -10..10

< верхняя граница >::=

целое число в диапазоне нижняя граница..10

< слово > составляют:

буквенно-цифровые символы (согласно стандарту UNICODE) и символ '_';
символы, значимые в середине слова: '@', '-', '/'. Указанные символы не могут быть первым и последним символом слова, за исключением шаблона поиска по концу или части слова;
специальные символы: '#', '%', '*'. Эти символы могут содержаться только в начале или в середине слова, кроме символа '*', который может быть и последним символом слова (см. таблицу 4);
одиночный символ '*', заменяющий любое слово.

Примечания

Некоторые допустимые (см. подраздел Правила распознавания слов при полнотекстовом поиске) имена атрибутов не могут быть найдены согласно описанным правилам. Для их поиска следует использовать специальный символ '*'.
Неиндексированные документы полагаются пустыми.

Примеры

а) подсчет количества непустых документов:

select count(id_doc)  from "ph" where text_doc contains '*';

б) подсчет количества документов, содержащих гипертекстовую разметку:

select count(id_doc)  from "ph" where text_doc contains '*=*';

Общие правила

Значение специальных символов '#', '%', '*' определяет таблица 4.
Конструкция ! < поисковое выражение > задает поиск документов, не содержащих данное поисковое выражение.

Примеры.

а) найти все версии документов, где отсутствует упоминание о встроенных базах данных.

Конструкция
```
select id_doc from "ph"
 where text_doc contains '!(встроенн* баз* дан*)';
```
эквивалентна
```
select id_doc from "ph"
 where text_doc not contains 'встроенн* баз* дан*';
```
б) найти все версии документов, где отсутствуют упоминания об отдельных словах: встроенные, базы, данные.
```
select id_doc from "ph"
 where text_doc contains '!встроенн* !баз* !дан*';
```
Конструкция < поисковое выражение > | < поисковое выражение > задает поиск документов, содержащих либо первое, либо второе, либо оба поисковых выражения.

Пример.

Найти документы, в которых упоминается о любых встроенных системах или базах данных.
```
select id_doc  from "ph"
 where text_doc contains '!встроенн* !баз* !дан*';
```
Конструкция < поисковое выражение > [&] < поисковое выражение > задает поиск документов, содержащих одновременно оба поисковых выражения. Знак '&' может быть опущен.

Пример.

Подсчитать количество документов, в которых упоминается о базах данных и о СУБД ЛИНТЕР.
```
select count(id_doc)  from "ph"
 where text_doc contains 'линтер* & (баз* дан*)';
```
Конструкция (< поисковое выражение >) определяет логический порядок разбора поискового выражения.
Конструкция < атрибут > = < значение > задает атрибутный поиск в документах, отвечающих спецификации XML (в том числе HTML); < атрибут > задает имя атрибута, < значение > задает значение этого атрибута.

Фильтры ASCXML2TEXT и UNIXML2TEXT используются для файлов в форматах XML, XHTML, HTML.

Файлы этих форматов обрабатываются следующим образом:
- в случае XML-файла извлекаются пары < имя атрибута=значение атрибута >, которые могут быть включены в индекс в случае использования модификатора xml в конструкции create phrase index;
- в случае HTML и XHTML файлов атрибуты элементов игнорируются. Исключение составляют META-элементы, содержащие метаинформацию, касающуюся документа в целом. META-элемент содержит 2 обязательных атрибута: NAME=Имя1 (или http-equiv) и CONTENT=Значение1.
  
  В случае, если Имя1 равно "Author", "Keywords" или "Description", в атрибутный индекс добавляются пары «Имя1=Значение1».
  
  Если Имя1="Content-Type", то Значение1 сканируется на предмет наличия информации об используемой документом кодировки, заданной в виде < charset=имя кодировки >.
  
  Формат файла определяется по наличию сигнатуры "< ?xml" в начале документа (которой, возможно, предшествует BOM). В случае её отсутствия считается, что документ создан в формате HTML. В противном случае тип документа определяется согласно спецификации форматов XML и XHTML;
- теги без значений типа < display-name > игнорируются в любом случае.
Примеры.

а) подсчитать количество документов, которые содержат атрибут «title» со значением «Базы данных»:
```
select count(id_doc)  from "ph"
 where text_doc contains 'title="Базы данных"';
```
Так как значение атрибута состоит из двух слов, его следует заключить в кавычки.

б) подсчитать количество документов, которые содержат атрибут «Author»:
```
select count(id_doc)  from "ph"
 where text_doc contains 'Author=*';
```
в) подсчитать количество документов, которые содержат атрибут «Company» с учетом регистра и значение «РЕЛЕКС» без учета регистра и, возможно, с ошибкой в написании:
```
select count(id_doc)  from "ph"
 where text_doc contains '#Company=%Релекс';
```
г) подсчитать количество документов, которые содержат атрибут «Citation» с известным окончанием значения, содержащего символ «"»:
```
select count(id_doc)  from "ph"
 where text_doc contains 'Citation=*"жить хорошо!(c)"';
```
< Фраза > задает поиск последовательно расположенных в тексте слов.

Пример.
```
select count(id_doc)  from "ph"
 where text_doc contains '"СУБД ЛИНТЕР"';
```
< Расстояние > задает «расстояние» между парой слов. Так, значение1 (значение по умолчанию) соответствует последовательно идущим словам, значение2 показывает, что между данными словами должно находиться некоторое одно слово и т.д. Отрицательные значения указывают на обратный порядок слов.
Допустимы 3 способа задания расстояния:
- < нижняя граница > и < верхняя граница > задают интервал расстояний между словами;
- < смещение > без указания знака задает симметричный интервал [-< смещение >, < смещение >];
- < смещение > с указанием знака задает точное расстояние между словами;
Примеры.

а) подсчитать количество документов, в которых встречается точная фраза «СУБД ЛИНТЕР».

Конструкция
```
select count(id_doc) from "ph"
 where text_doc contains '"СУБД ЛИНТЕР"';
```
эквивалентна
```
select count(id_doc) from "ph"
 where text_doc contains '"СУБД |+1| ЛИНТЕР"';
```
и эквивалентна
```
select count(id_doc) from "ph"
 where text_doc contains '"СУБД |1 1| ЛИНТЕР"';
```
б) подсчитать количество документов, в которых рядом встречаются слова «СУБД» и «ЛИНТЕР».
```
select count(id_doc) from "ph"
 where text_doc contains '"СУБД |1| ЛИНТЕР"';
```
< Группа > задает множество слов, из которых любое может находиться в указанной позиции.

Пример.

Подсчитать количество документов, в которых рядом встречаются слова «Релэкс» и одно из слов «ЛИНТЕР», «ЛАКУНА», «НЕВОД».
```
select count(id_doc) from "ph"
where text_doc contains '"РЕЛЭКС |1| (ЛИНТЕР ЛАКУНА НЕВОД)"';
```
Длинные слова в шаблоне поиска усекаются до 64 букв.
Апостроф является допустимым символом внутри слова для полнотекстового поиска (должен удваиваться).

Пример.
```
select * from TEST_SQLCHK where WORD contains 'biologist''s';
```