SQL Server 2005全文检索技术

3.4 引入政府行业或者企业自身的的数据字典 

    为了让SQL Server 2005的全文检索更适于本政府行业或者企业使用，还需要把自己特色的缩略语、书面替换语进行配置。但是，在此之前，还要把主要使用的语言的相关信息进行配置，主要是配置相关的断字符和干扰字。 

    SQL Server 2005的断字符配置是根据语言分析规则而异，可以为每个全文索引列指定不同的语言。每种语言的断字符能够使得为该语言生成的词更加准确。如果断字符用于整个语系而不是特定的子语言，将使用该语系中的主要语言。例如，使用法语断字符来处理加拿大法语文本。如果某一特定语言没有可用的断字符，将使用非特定语言断字符。使用非特定语言断字符时，词将在非特定语言字符（如空格和标点符号）处断开。 

    SQL Server 2005 包含 23 种区域设置的断字符。通过参阅 sys.fulltext_languages 就可以获得所有支持语言的列表。

地区编号	语言
2052	Simplified Chinese
1028	Traditional Chinese
1031	German
2057	British English
1033	English
3082	Spanish
1036	French
1040	Italian
1041	Japanese
1042	Korean
0	Neutral
1043	Dutch
1053	Swedish
1054	Thai
3076	Chinese (Hong Kong SAR, PRC)
5124	Chinese (Macau SAR)
4100	Chinese (Singapore)

表2：SQL Server 2005支持的23种区域语言

    注：所查询的全文索引列的语言决定了对 CONTAINS、FREETEXT、CONTAINSTABLE 和 FREETEXTTABLE 等全文查询函数的参数执行的语言分析。如果未指定列的语言，默认值是配置选项 default full-text language 的值。对于SQL Server 2005的本地版本，SQL Server 安装程序将把 default full-text language 选项设置为操作系统使用的语言；对于 SQL Server 的非本地化版本，default full-text language 选项为“英语”。 

    在明确了区域语言之后，还需要进行本政府行业或者企业的定制化操作： 

    （1）在$<SQL Server Install Path>\Microsoft SQL Server\MSSQL.1\MSSQL\FTDATA\中配置对应的干扰词，可以在对应的noise***.文件中增加或者修改干扰词。 

    例如，对以一家IT公司而言，查询的时候就直接说服务器的名字，而把 “服务器”作为干扰词，查询某个网站的时候也就直接称呼网站的名字，把“网站”也可以作为干扰词。 

    （2）更为重要的是配置自己的同义词和替换词，同样在$<SQL Server Install Path>\Microsoft SQL Server\MSSQL.1\MSSQL\FTDATA\中配置对应区域语言的ts***.xml文件即可。 

    例如，把tsCHS.xml修改为如下内容：

<?xml version="1.0" encoding="utf-8"?>
<XML ID="Microsoft Search Thesaurus">
    <thesaurus xmlns="x-schema:tsSchema.xml">
        <diacritics_sensitive>0</diacritics_sensitive>
        <expansion>
            <sub>Internet Explorer</sub>
            <sub>IE</sub>
            <sub>IE5</sub>
        </expansion>
        <replacement>
            <pat>NT5</pat>
            <pat>W2K</pat>
            <sub>Windows 2000</sub>
        </replacement>
        <expansion>
            <sub>北京站</sub>
            <sub>北京火车站</sub>
            <sub>北京东站</sub>
        </expansion>
    </thesaurus>
</XML>

    对于同义词在检索的时候，如果用户的查询关键字是“北京站”，那么记录内容为“北京火车站”和“北京东站”的信息也会被查询出来；对于替换词，如果用户查找的是“NT5”或“W2K”的时候，只有包括“Windows 2000”的内容会被提取出来，而 包括“NT5”或“W2K”自身的内容反而不会被提取出来。

1