etx_CreateCharSet() 例程

语法

etx_CreateCharSet (charset_name, file_name)

元素	用途	数据类型
charset_name	用户定义字符集的名称。如果输入的名称超过 18 个字符，该名称将自动截断至 18 个字符。	CHAR (18)
file_name	文本搜索引擎从中装入字符集的操作系统文件的绝对路径名。该文件可以位于服务器或客户机机器上。首先搜索的是客户机机器。	LVARCHAR

返回类型

无。

用法

当您针对列创建 etx 索引时，可以指定用来对文本数据创建索引的字符集。字符集指示要对哪些字母建立索引；文本数据中任何未在字符集内列出的字符都将转换为空格。使用 CHAR_SET 索引参数来指定字符集的名称。必须首先创建用户定义字符集，然后才能使用它来创建 etx 索引。

GBase 8s Excalibur Text Search DataBlade 模块提供了三种内置字符集：ASCII、ISO 和 OVERLAP_ISO。每种内置字符集都仅包含字母数字字符，并将小写字母映射为大写字母。这足以满足大多数文本搜索的需求。有关这三种内置字符集的完整描述，请参阅字符集。

但是，您有时可能需要对非字母数字字符建立索引，或需要区分小写和大写字母。在这些情况下，必须定义您自己的字符集。

要定义您自己的字符集，首先需要创建一个操作系统文件，以指定要建立索引的字符。接下来的部分将详细描述该操作系统文件的结构。

然后，通过执行 etx_CreateCharSet() 例程来创建字符集。该例程有两个参数：您为用户定义字符集提供的名称；要建立索引的字符所在操作系统文件的完整路径名。新的用户定义字符集存储在缺省的智能大对象空间中。

限制：您不能将关键字 ASCII、ISO 或 OVERLAP_ISO（大小写字母的任意组合）用作用户定义字符集的名称，因为这些关键字是为内置字符集保留的。

要使用用户定义字符集，请在 CREATE INDEX 语句的 CHAR_SET 索引参数中指定其名称。

操作系统字符集文件的结构

操作系统文件包含 16 行，每行均有 16 个十六进制数，加上包含注释的可选行。每个位置与一个 ASCII 字符对应。如果希望对该位置中的字符建立索引，请输入该字符的十六进制值。如果不希望对该字符建立索引，请输入 00。

字符集中的 ISO 8859-1 表列出了在创建操作系统文件时可作为引用使用的 ISO 8859-1 字符集。

注释以斜杠、短线或 # 字符开头，可以出现在文件的任意位置。

例如，如果希望创建用户定义字符集，并对其中的连字符（十六进制值为 0x2D）、下划线（十六进制值为 0x5F）、反斜杠（十六进制值为 0x5C）和正斜杠（十六进制值为 0x2F）以及字母数字字符 0 到 9、a 到 z 及 A 到 Z 建立索引，并将小写字母 a 到 z 映射到大写字母，那么操作系统文件会与下列示例相似：

# Character set that indexes hyphens and 
/ alphanumeric characters. All lower case letters
\ are mapped to upper case.
- Note the different ways of specifying that a 
# line is a comment.
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 2D 00 2F
30 31 32 33 34 35 36 37 38 39 00 00 00 00 00 00
00 41 42 43 44 45 46 47 48 49 4A 4B 4C 4D 4E 4F
50 51 52 53 54 55 56 57 58 59 5A 00 5C 00 00 5F
00 41 42 43 44 45 46 47 48 49 4A 4B 4C 4D 4E 4F
50 51 52 53 54 55 56 57 58 59 5A 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00

这类似于内置 ASCII 字符集，不同之处在于对连字符、下划线、正斜杠和反斜杠也建立了索引，而不是将其转换为空格。之所以对这四个字符建立索引，是因为矩阵中每个字符的位置包含其十六进制表示法：0x2D、0x5F、0x5C 和 0x2F。

通过在小写字母位置上指定大写十六进制值，将小写字母映射为大写字母。

例如，大写字母 A 的十六进制值为 0x41。矩阵中大写字母 A 的位置包含十六进制值 0x41，因此对大写字母 A 建立的索引为大写的 A。

但是，矩阵中小写字母 a 的位置也包含十六进制值 0x41（表示大写的 A），而不是小写字母 a 的实际十六进制表示 0x61。这样，小写字母 a 就映射为大写的 A，即，将小写 a 视作大写 A 来建立索引。对于 a 到 z 和 A 到 Z 的所有字母同样如此。

有关 ISO 8859-1 表的更多信息，请参阅 ISO 8859-1 字符集。

示例

下列示例创建名为 my_charset 的用户定义字符集：

EXECUTE PROCEDURE etx_CreateCharSet 
    ('my_charset', '/local0/excal/my_char_set_file');

搜索引擎从操作系统上名为 /local0/excal/my_char_set_file 的文件装入 my_charset 的内容并进行存储。