Índices de texto

Visão geral

Para executar consultas de queries de texto em sistemas autogerenciados, você deve ter um índice de texto na sua collection. O MongoDB fornece índices de texto para dar suporte à pesquisa de queries no conteúdo da string. Os índices de texto podem incluir qualquer campo cujo valor seja uma string ou uma array de elementos da string. Uma collection só pode ter um índice de pesquisa de texto, mas esse índice pode abranger vários campos.

Compatibilidade

Você pode utilizar índices de texto para implantações hospedadas no MongoDB Atlas.

Para saber mais sobre como gerenciar índices para distribuições hospedadas no MongoDB Atlas, consulte Criar, visualizar, descartar e ocultar índices.

Versões

O índice de texto está disponível em três versões. Por padrão, o MongoDB usa a versão 3 com novos índices de texto.

Para substituir o padrão e utilizar uma versão mais antiga, utilize a opção textIndexVersion ao criar o índice.

Criar índice de texto

Para criar um índice text , utilize o método db.collection.createIndex() . Para indexar um campo que contém uma string ou uma array de elementos de string, inclua o campo e especifique a string literal "text" no documento indexado, como no exemplo a seguir:

db.reviews.createIndex( { comments: "text" } )

Você pode indexar vários campos para o índice text . O exemplo seguinte cria um índice text nos campos subject e comments:

db.reviews.createIndex(
   {
     subject: "text",
     comments: "text"
   }
 )

Um índice composto pode incluir chaves de índice text em combinação com chaves de índice ascendentes/descendentes. Para obter mais informações, consulte Índice composto.

Para eliminar um índice text , use o nome do índice. Consulte Usar o nome do índice para descartar um índice text para obter mais informações.

db.collection.createIndex( { "$**": "text" } )

db.collection.createIndex( { a: 1, "$**": "text" } )

Insensibilidade a maiúsculas e minúsculas

O 3 text índice versão suporta o comum C, simples S e, para idiomas Turcos, as T dobraduras maiúsculas e minúsculas especiais conforme especificado no Unicode 8.0 Dobramento de caixa do banco de dados de caracteres.

As dobras de maiúsculas e minúsculas expandem a insensibilidade a entre maiúsculas e minúsculas do índice text para incluir caracteres com diacríticos, como é e É, e caracteres de alfabetos não latinos, como "é" e "é" no alfabeto cirílico .

A versão 3 do índice text também é insensível a diacríticos. Como tal, o índice também não distingue entre é, É, e e E.

As versões anteriores do índice text diferenciam maiúsculas de minúsculas apenas para [A-z] ; ou seja, diferencia maiúsculas de minúsculas apenas para caracteres latinos não diacríticos. Para todos os outros caracteres, as versões anteriores do índice de texto os tratam como distintos.

Insensibilidade a diacríticos

Com a versão 3, text o índice é insensível a diacríticos. Ou seja, o índice não faz distinção entre caracteres que contêm diacríticos e sua contraparte sem sinais, como é, ê e e. Mais especificamente, o text índice remove os caracteres categorizados como diacríticos no Unicode 8.0 Lista de acessórios do banco de dados de caracteres.

A versão 3 do índice text também diferencia maiúsculas de minúsculas para caracteres com diacríticos. Como tal, o índice também não distingue entre é, É, e e E.

As versões anteriores do índice text tratam caracteres com diacríticos como distintos.

Delimitadores de tokenização

Para tokenização, o 3 text índice usa os delimitadores categorizados em Dash, Hyphen, Pattern_Syntax, Quotation_Mark, Terminal_Punctuation e White_Space no Unicode 8.0 Lista de acessórios do banco de dados de caracteres.

Por exemplo, se for fornecida uma string "Il a dit qu'il «était le meilleur joueur du monde»", o índice text tratará «, » e espaços como delimitadores.

As versões anteriores do índice tratam « como parte do termo "«était" e » como parte do termo "monde»".

entrada de índice

text o índice tokeniza e determina os termos nos campos indexados para as entradas do índice. O índice text armazena uma entrada de índice para cada termo derivado único em cada campo indexado para cada documento na coleção. O índice usa derivação simples de sufixo específico do idioma .

Idiomas suportados e palavras de parada

O MongoDB suporta pesquisa de texto para vários idiomas. Os índices text eliminam palavras de parada específicas do idioma (por exemplo, em inglês, the, an, a, and, etc.) e usam derivação simples de sufixo específica do idioma. Para obter uma lista dos idiomas suportados, consulte Idiomas de pesquisa de texto.

Se você especificar um valor de linguagem de "none", o índice text usará tokenização simples, sem lista de palavras de interrupção e sem derivação.

Para especificar um idioma para o índice text , consulte Especificar um idioma para o índice de texto.

sparse Propriedade

text os índices são sempre escassos e ignoram a opção esparsa . Se um documento não tiver um campo de índice text (ou o campo for null ou uma array vazia), o MongoDB não adicionará uma entrada para o documento ao índice text . Para inserções, o MongoDB insere o documento, mas não adiciona ao índice text .

Para um índice composto que inclui uma chave de índice text junto com chaves de outros tipos, somente o campo de índice text determina se o índice faz referência a um documento. As outras chaves não determinam se o índice faz referência aos documentos ou não.

Restrições

pesquisar de texto e frases

Se a string $search de uma operação $text incluir uma frase e termos individuais, a pesquisa de texto corresponderá somente aos documentos que incluem a frase.

Você não pode usar o operador $text para pesquisar diversas frases.

Requisitos de armazenamento e custos de desempenho

text índices têm os seguintes requisitos de armazenamento e custos de desempenho:

• text os índices podem ser grandes. Eles contêm uma entrada de índice para cada palavra única pós-processamento (stemming) em cada campo indexado para cada documento inserido.

• Construir um índice text é muito semelhante a construir um grande índice de múltiplas chaves e levará mais tempo do que construir um índice simples ordenado (scalar) nos mesmos dados.

• Ao criar um índice text grande em uma collection existente, verifique se você tem um limite suficientemente alto de descritores de arquivo abertos. Consulte as configurações recomendadas.

• text os índices terão impacto na taxa de transferência de inserção porque o MongoDB deve adicionar uma entrada de índice para cada palavra única pós-processamento (stemming) em cada campo indexado de cada novo documento de origem.

• Além disso, os índices text não armazenam frases ou informações sobre a proximidade de palavras nos documentos. Como resultado, a query de frase será executada com muito mais eficiência quando toda a collection caber na RAM.

Suporte à pesquisa de texto

O índice text suporta operações de query do $text . Para exemplos de pesquisa de texto, consulte o $text reference page. Para obter exemplos de operações do $text em pipelines de agregação, consulte pesquisar de texto no pipeline de agregação.