Jak ignorować znaczniki html w Sql Server 2008 Wyszukiwanie pełnotekstowe

Question

Pracuję nad projektem bazy wiedzy przy użyciu SQL Server 2008 Full Text Search Engine. Projekt zawarty w artykułach i plikach, w których każdy artykuł ma wiele plików. W tych artykułach cała treść to czysty html.

Właśnie z powodzeniem stworzyłem katalog pełnotekstowy i indeks na serwerze SQL Server 2008, a moja baza danych jest zgodna z wersją 10.

Oto moje pytania:

1) Czy to możliwe, aby ignorować znaczniki HTML, teksty zawierające bardziej wyraźnie w „< ...>”, podczas poszukiwania w tych artykułach, bo jeśli chciałbym, aby szukać div , tabela itp. nie powinno być zwracanych wyników?

2) Artykuły będą aktualizowane w dowolnym momencie, więc pełny indeks tekstowy musi zostać zaktualizowany po włożeniu nowego rekordu. Czy wystarczy ustawić tylko "ZMIANY ŚCIEŻKI AUTOMATYCZNEJ" podczas tworzenia pełnego katalogu tekstowego?

3) Możemy korzystać z funkcji FILESTREAM poniżej, czy SQL Server 2008 ma dobrą wydajność na plikach przy użyciu pełnotekstowego indeksu? Jakie konkretne typy dokumentów obsługuje indeksowanie SQL Server 2008?

Pozdrowienia

Answer 1

Proszę sprawdzić poniższe:

1) w SQL Server Full Text, możemy określić słowa ignorowane/stopwords. Możesz edytować plik World Noise, a następnie przebudować katalog. Możesz więc umieścić wszystkie znaczniki html jako szum. Proszę sprawdzić

http://msdn.microsoft.com/en-us/library/ms142551.aspx

2) z toru zmienia się automatycznie obejmują zmiany w aktualnej wyszukiwanie pełnotekstowe, ale ranking tych nowo dodanym art ulega zmianie od poprzedniego. Tak więc dopóki nie zsynchronizujesz indeksu głównego, podda się ono w górę i w dół z rankingiem.

3) Z tego co wiem, możemy zaimplementować niestandardowe filtry, programy macierzyste i łamacze wyrazów i można je podłączyć do wyszukiwania pełnotekstowego SQL Server. Domyślnie może to nie być kompletna lista, ale dokument i dokument.

Więcej informacji na temat SQL Server 2008 pełny tekst wyszukiwania proszę sprawdzić:

http://technet.microsoft.com/en-us/library/cc721269.aspx

Answer 2

jest filtr dla plików .htm i .html.

aby sprawdzić, czy masz w biegu zainstalowaniu filtra to sql:

SELECT * FROM sys.fulltext_document_types 

Warto zobaczyć:

.htm E0CA5340-4534-11CF-B952-00AA0051FE20 C:\Program Files\Microsoft SQL Server\MSSQL10.MSSQLSERVER\MSSQL\Binn\nlhtml.dll 12.0.6828.0 Microsoft Corporation 

.html E0CA5340-4534-11CF-B952-00AA0051FE20 C:\Program Files\Microsoft SQL Server\MSSQL10.MSSQLSERVER\MSSQL\Binn\nlhtml.dll 12.0.6828.0 Microsoft Corporation 

tak, to czy można zamienić kolumny artykułów do varbinary (max), a następnie możesz dodać na nim indeks pełnotekstowy i określić typ dokumentu ".html”

raz indeks został wypełniony, można sprawdzić słowa kluczowe, za pomocą tego sql:

SELECT display_term, column_id, document_count 
FROM sys.dm_fts_index_keywords 
(DB_ID('your_db'), OBJECT_ID('your_table'))