为全文搜索配置和管理同义词库文件

项目
04/27/2017

在SQL Server中，全文查询可以通过使用同义词库来搜索用户指定术语的同义词。 SQL Server同义词库为特定语言定义一组同义词。系统管理员可以定义两种形式的同义词：扩展集和替换集。通过开发针对全文数据定制的同义词库，您可以有效地扩大对这些数据的全文查询的范围。仅对所有 FREETEXT 和 FREETEXTABLE 查询以及指定 FORMSOF THESAURUS 子句的任意 CONTAINS 和 CONTAINSTABLE 查询执行同义词库匹配操作。

设置同义词库文件的基本任务

必须先为给定语言定义同义词库映射（同义词），才能使服务器实例上的全文搜索查询可以查找该语言的同义词。必须手动配置每个同义词库以定义下面各项：

标注字符设置

对于给定的同义词库，所有搜索模式都对音调符号（如波形符 () ~ 、锐重音符 (？？) 或 umlaut (？？？) (即 重音敏感 或不 区分重音) 。例如，假设在全文查询中指定要替换为其他模式的模式“caf？”。如果同义词库不区分重音，则全文搜索将替换模式“caf？？”和“café”。如果同义词库区分重音，则全文搜索仅替换模式“caf？？”。默认情况下，同义词库不区分重音。
扩展集

扩展集包含一组同义词（如“writer”、“author”和“journalist”），全文查询可将这些同义词互相替换。如果查询包含扩展集中任意同义词的匹配项，这些查询将进行扩展以包含扩展集中的每个其他同义词。

有关详细信息，请参阅本主题后面的“扩展集的 XML 结构”。
替换集

替换集包含将由替换集替换的文本模式。有关示例，请参阅本主题后面的“替换集的 XML 结构”部分。

同义词库文件的初始内容

SQL Server提供一组 XML 同义词库文件，每个支持的语言对应一个文件。这些文件实际上是空的。它们仅包含所有SQL Server同义词库通用的顶级 XML 结构，以及注释掉的示例同义词库。

使用 SQL Server 发布的同义词库文件都包含以下 XML 代码：

<XML ID="Microsoft Search Thesaurus">  
  
<!--  Commented out  
  
    <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 2012</sub>  
        </replacement>  
        <expansion>  
            <sub>run</sub>  
            <sub>jog</sub>  
        </expansion>  
    </thesaurus>  
-->  
</XML>

同义词库文件的位置

同义词库文件的默认位置为：

<>SQL_Server_data_files_path\MSSQL12。MSSQLSERVER\MSSQL\FTDATA\

该默认位置包含以下文件：

特定于语言的同义词库文件

在安装过程中，将在上述位置安装空同义词库文件。对于每种支持的语言，将提供一个单独的文件。系统管理员可以自定义这些文件。

同义词库文件的默认文件名采用以下格式：

“ts”+ <三字母语言缩写> + “.xml”

给定语言的同义词库文件的名称在注册表中指定以下值HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Microsoft SQL Server\\MSSearch\。
全局同义词库文件

空的全局同义词库文件 tsGlobal.xml。

可通过更改同义词库文件的注册表项来更改其位置和名称。对于每种语言，同义词库文件位置是在注册表的以下值中指定的：

HKLM/SOFTWARE/Microsoft/Microsoft SQL Server/<instance name>/MSSearch/Language/<language-abbreviation>/TsaurusFile

全局同义词库文件对应于 LCID 为 0 的非特定语言。此值只能由管理员更改。

查询如何使用同义词库文件

同义词库查询同时使用特定于语言的同义词库和全局同义词库。首先，查询查找特定于语言的文件，并加载该文件以进行处理（除非已加载了该文件）。该查询将进行扩展以包含同义词库文件中的扩展集和替换集规则所指定的特定于语言的同义词。然后，对全局同义词库重复执行这些步骤。但是，如果字词已经是特定于语言的同义词库文件中的匹配项的一部分，则不会在全局同义词库中对该字词再次进行匹配。

了解同义词库文件的结构

每个同义词库文件都定义了一个 ID 为 Microsoft Search Thesaurus 的 XML 容器，以及一个包含示例同义词库的注释 。同义词库在同义词库>元素中<定义，该元素包含定义音调符号设置、扩展集和替换集的子元素样本，如下所示：

标注字符设置的 XML 结构

同义词库的音调符号设置在单个 <diacritics_sensitive> 元素中指定。此元素包含一个控制重音区分设置的整数值，如下所示：

标注字符设置值 XML

不区分重音 0 <diacritics_sensitive>0</diacritics_sensitive>

区分重音 1 <diacritics_sensitive>1</diacritics_sensitive>

注意

只能在文件中应用一次此设置，它适用于文件中的所有搜索模式。不能为各个模式单独指定此设置。
扩展集的 XML 结构

每个扩展集都包含在一个 <扩展> 元素中。在此元素中，可以在子>元素中指定一<个或多个替换项。在扩展集中，可以指定一组互为同义词的替换项。

例如，可以编辑扩展部分，以将替换项“writer”、“author”和“journalist”视为同义词。在一个替换项中包含匹配项的全文搜索查询将展开以包括扩展集中指定的所有其他替换项。因此，在前面的示例中，如果对单词“author”发出 FORMS OF THESAURUS 或 FREETEXT 查询，全文搜索还会返回包含单词“writer”和“journalist”的搜索结果。

对于上述示例，您将看到如下所示的扩展集部分：
```
<expansion> 
 writer 
 author 
 journalist 
</expansion> 
```
替换集的 XML 结构

每个替换集都包含在替换<>元素中。在此元素中，可以在 pat> 元素中指定一个或多个模式，在<子>元素中<指定零个或多个替换，每个同义词一个。可以指定要由替换集替换的模式。模式和替换项可以包含一个或一组单词。如果没有为某个模式指定任何替换项，则会导致从用户查询中删除该模式。

例如，假设您希望运行用替换项“Windows Server 2012”或“Windows 8.0”替换“Win8”模式的查询。如果对“Win8”运行全文查询，全文搜索仅返回包含“Windows Server 2012”或“Windows 8.0”的搜索结果。它不会返回包含“Win8”的结果。这是因为模式“Win8”已经被模式“Windows Server 2012”和“Windows 8.0”替换。

对于上述示例，您将看到如下所示的替换集部分：
```
<replacement> 
 <pat>Win8</pat> 
 Windows Server 2012 
 Windows 8.0 
</replacement> 
```
如果有两个具有相似模式的替换集可匹配，则优先选用两者中的更长者。例如，如果对“Internet Explorer online community”运行 FORMS OF THESAURUS 查询，并且有以下替换集，则“Internet Explorer”替换集的优先级别高于“Internet”的优先级别。因此，查询将作为“IE online community”或“IE 9 online community”进行处理。
```
<replacement> 
 <pat>Internet</pat> 
 intranet 
</replacement> 
```
以及
```
<replacement> 
 <pat>Internet Explorer</pat> 
 IE 
 IE 9 
</replacement> 
```

标注字符设置	值	XML
不区分重音	0	`<diacritics_sensitive>0</diacritics_sensitive>`
区分重音	1	`<diacritics_sensitive>1</diacritics_sensitive>`

使用同义词库文件

编辑同义词库文件

编辑同义词库文件

加载更新的同义词库文件

sp_fulltext_load_thesaurus_file (Transact-SQL)

查看断字符的词汇切分结果、同义词库和非索引字表组合

sys.dm_fts_parser (Transact-SQL)

编辑同义词库文件

可通过编辑给定语言的同义词库文件（XML 文件）来配置该语言的同义词库。在安装过程中，将安装空仅包含 xml 容器的<同义词库文件和注释掉的示例<同义词库>>元素。为了使查找同义词的全文搜索查询正常工作，必须创建一个定义一组同义词的实际 <同义词库> 元素。可以定义两种形式的同义词，即扩展集和替换集。

同义词库文件的限制

下面的限制适用于编辑同义词库文件：

只有系统管理员能够更新、修改或删除同义词库文件。
使用文本编辑器工具编辑同义词库文件时，必须以 Unicode 格式保存这些文件，并且必须指定字节顺序标记。
同义词库项不能为空或断字为空字符串。
同义词库文件中的短语长度不得超过 512 个字符。
同义词库不得包含扩展集的 <子> 条目和替换集的 <pat> 元素中的任何重复条目。

针对同义词库文件的建议

建议同义词库文件中的项不要包含任何特殊字符。这是因为，断字符在遇到特殊字符时会出现不确定的行为。如果同义词库项包含任何特殊字符，在全文查询中与该项一起使用的断字符会出现不确定的行为。

建议子<>条目不包含非索引字，因为全文索引中省略了非索引字。扩展查询以包含<同义词库文件中的子>条目，如果子<>条目包含非索引字，查询大小会不必要地增加。

编辑同义词库文件

在记事本中打开同义词库文件。
如果第一次编辑同义词库文件，请分别删除位于文件开头和末尾的以下注释行：
```
 
```
添加、修改或删除替换集，或扩展集。
保存文件并关闭记事本。
使用 sp_fulltext_load_thesaurus_file 将同义词库文件内容加载到 tempdb 中，并指定对应于同义词库文件语言的本地标识符 (LCID)。例如，对于英语同义词库文件 tsenu.xml，对应的 LCID 为 1033。
```
USE AdventureWorks2012 ;  
EXEC sys.sp_fulltext_load_thesaurus_file 1033;  
GO  
```

另请参阅

CONTAINS (Transact-SQL)
CONTAINSTABLE (Transact-SQL)
FREETEXT (Transact-SQL)
FREETEXTTABLE (Transact-SQL)
全文搜索

通过

为全文搜索配置和管理同义词库文件

设置同义词库文件的基本任务

同义词库文件的初始内容

同义词库文件的位置

查询如何使用同义词库文件

了解同义词库文件的结构

使用同义词库文件

编辑同义词库文件

编辑同义词库文件

另请参阅

其他资源