Oracle 包含返回错误 BLOB 阳性的函数

Question

我正在使用 Contains 函数在包含 PDF 或 Word 文档的 BLOB 字段中搜索字符串。最近我做了以下搜索：

SELECT doc_id 
FROM   table_of_documents
WHERE  CONTAINS (BLOB_FIELD, 'SDS.IF.00005') > 0

大多数返回的记录都是正确的，但其中一些包含没有“SDS.IF.00005”但确实有“SDS.EL.00005”的 PDF。

当我说PDF没有搜索词时，我的意思是我在Adobe阅读器中打开它们并使用搜索功能和我自己的眼球搜索它们，并且非常熟悉文档的人坚持认为没有该词并且不应该在那里。

我尝试将这些点视为转义字符：SDS\\.IF\\.00005 和 {SDS.IF.00005}。但是，我仍然得到相同的结果。

我也尝试设置 CONTAINS (BLOB_FIELD, 'SDS.IF.00005') = 100，但我仍然得到包含 SDS.EL.00005 而不是 SDS.IF.00005 的文档。

搜索词中的点对 Oracle 来说是否意味着 SDS.%.00005？或者我应该研究如何在 Adob​​e 文档中找到肉眼或 Adob​​e 文本搜索功能看不到的深层隐藏文本？

感谢您的帮助。

Answer 1

据我所知，CONTAINS 是执行full text search 的Oracle Text 函数，因此Oracle 正在标记您的字符串，可能是根据其BASIC_LEXER。此词法分析器使用. 作为单词分隔符。因此，Oracle 将您的查询理解为“返回与 'SDS'、'IF' 或 '00005' 中的至少一个匹配的任何内容”。由于您的 PDF 可能已使用相同的词法分析器进行索引，因此从 Oracle Text 的角度来看，您的 PDF 包含单词“SDS”、“EL”和“00005”，因此它匹配 3 个单词中的 2 个，因此 Oracle 返回该行。

实际上，'IF' 包含在 Oracle Text default stopword list 中（因为它们太常见以至于它们主要引入“噪音”而被忽略）；所以你的查询实际上是“返回任何与'SDS'或'00005'中的至少一个匹配的东西”。因此，包含文字“SDS.EL.00005”的 PDF 会在您所写时为您提供 CONTAINS(BLOB_FIELD, 'SDS.IF.00005') = 100（“完美”匹配），我并不感到惊讶。

如果您想搜索逐字字符串，我认为您不应该使用 Oracle Text，而只需使用普通的旧 DBMS_LOB.INSTR 实现解决方案。如果这不可行，那么您将不得不找到一种方法让 Oracle Text 索引这些字符串而不对它们进行标记。