Question

我正在使用SQL Server 2008全文搜索引擎开发知识库项目。项目包含在文章和文件中，每篇文章都有多个文件。在这些文章中，整个内容是纯HTML 。

现在，我在SQL Server 2008上成功创建了全文目录和索引，我的数据库与版本10兼容。

以下是我的问题：

1）在这些文章中搜索时，是否可以忽略html标签，更清楚地包含“＆lt; ...＆gt;”中包含的文本，因为如果我想搜索div，table等，则应该没有结果回来了？

2）文章将随时更新，因此在插入新记录时必须更新全文索引。在创建全文目录时是否足以仅设置“TRACK CHANGES AUTOMATIC”？

3）以后我们可能会使用FILESTREAM功能，SQL Server 2008在使用全文索引的文件上有很好的表现吗？ SQL Server 2008在索引方面有哪些特定的文档类型？

此致

Answer 1

有.htm和.html文件的过滤器。

看看你是否安装了过滤器运行这个sql：

SELECT * FROM sys.fulltext_document_types

你应该看到：

.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

因此，如果您可以将您的文章列转换为varbinary（max），那么您可以在其上添加全文索引并指定文档类型'.html'

填充索引后，您可以使用此sql验证关键字：

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

Answer 2

请检查以下内容：

1）在SQL Server全文中，我们可以定义干扰词/停用词。您可以编辑Noise world文件，然后必须重建目录。所以你可以把所有的html标签都作为噪音。请检查

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

2）通过跟踪更改，它会自动包含当前全文搜索中的更改，但这些新添加的文章的排名会从之前更改。因此，除非你掌握索引同步，否则它会放弃和排名。

3）据我所知，我们可以实现自定义过滤器，词干分析器和断字器，并且可以插入SQL Server全文搜索。默认情况下我可能不知道完整列表，但它确实是doc和pdf。

有关SQL Server全文搜索2008的详细信息，请查看：

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

如何在Sql Server 2008全文搜索中忽略html标记

2 个答案: