|
array_to_tsvector ( text[] ) → tsvector
将文本字符串数组转换为 tsvector。给定的字符串按原样用作词位，无需进一步处理。数组元素不能为空字符串或 NULL。
array_to_tsvector('{肥,猫,老鼠}'::text[]) → '猫' '肥' '老鼠'
|
|
get_current_ts_config ( ) → regconfig
返回当前默认文本搜索配置的 OID（由 default_text_search_config 设置）。
get_current_ts_config() → english
|
|
length ( tsvector ) → integer
返回 tsvector 中的词位数。
length('肥:2,4 猫:3 老鼠:5A'::tsvector) → 3
|
|
numnode ( tsquery ) → integer
返回 tsquery 中词位和操作符的数量。
numnode('(肥 & 老鼠) | 猫'::tsquery) → 5
|
|
plainto_tsquery ( [ config regconfig, ] query text ) → tsquery
将文本转换为 tsquery，根据指定的或默认的配置规范化单词。字符串中的任何标点符号都将被忽略（它不会确定查询操作符）。生成的查询匹配包含文本中所有非停用词的文档。
plainto_tsquery('english', '肥老鼠') → '肥' & '老鼠'
|
|
phraseto_tsquery ( [ config regconfig, ] query text ) → tsquery
将文本转换为 tsquery，根据指定的或默认的配置规范化单词。字符串中的任何标点符号都将被忽略（它不会确定查询操作符）。生成的查询匹配包含文本中所有非停用词的短语。
phraseto_tsquery('english', '肥老鼠') → '肥' <-> '老鼠'
phraseto_tsquery('english', '猫和老鼠') → '猫' <2> '老鼠'
|
|
websearch_to_tsquery ( [ config regconfig, ] query text ) → tsquery
将文本转换为 tsquery，根据指定的或默认的配置规范化单词。用引号引起来的单词序列将转换为短语测试。单词 “或” 被理解为产生 OR 操作符，而破折号产生 NOT 操作符；其他标点符号将被忽略。这近似于某些常见网络搜索工具的行为。
websearch_to_tsquery('english', '"肥老鼠" 或 猫狗') → '肥' <-> '老鼠' | '猫' & '狗'
|
|
querytree ( tsquery ) → text
生成 tsquery 的可索引部分的表示形式。为空或仅为 T 的结果表示不可索引的查询。
querytree('foo & ! bar'::tsquery) → 'foo'
|
|
setweight ( vector tsvector, weight "char" ) → tsvector
将指定的 weight 分配给 vector 的每个元素。
setweight('肥:2,4 猫:3 老鼠:5B'::tsvector, 'A') → '猫':3A '肥':2A,4A '老鼠':5A
|
|
setweight ( vector tsvector, weight "char", lexemes text[] ) → tsvector
将指定的 weight 分配给 lexemes 中列出的 vector 的元素。lexemes 中的字符串按原样用作词位，无需进一步处理。不匹配 vector 中任何词位的字符串将被忽略。
setweight('肥:2,4 猫:3 老鼠:5,6B'::tsvector, 'A', '{猫,老鼠}') → '猫':3A '肥':2,4 '老鼠':5A,6A
|
|
strip ( tsvector ) → tsvector
从 tsvector 中移除位置和权重信息。
strip('fat:2,4 cat:3 rat:5A'::tsvector) → 'cat' 'fat' 'rat'
|
|
to_tsquery ( [ config regconfig, ] query text ) → tsquery
将文本转换为 tsquery，根据指定的或默认配置对单词进行规范化。单词必须通过有效的 tsquery 操作符进行组合。
to_tsquery('english', 'The & Fat & Rats') → 'fat' & 'rat'
|
|
to_tsvector ( [ config regconfig, ] document text ) → tsvector
将文本转换为 tsvector，根据指定的或默认配置对单词进行规范化。结果中包含位置信息。
to_tsvector('english', 'The Fat Rats') → 'fat':2 'rat':3
|
|
to_tsvector ( [ config regconfig, ] document json ) → tsvector
to_tsvector ( [ config regconfig, ] document jsonb ) → tsvector
将 JSON 文档中的每个字符串值转换为 tsvector，根据指定的或默认配置对单词进行规范化。然后按照文档顺序将结果连接起来以产生输出。位置信息的生成方式就好像每对字符串值之间存在一个停用词。（请注意，当输入为 jsonb 时，JSON 对象的字段的“文档顺序”是依赖于实现的；请观察示例中的差异。）
to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::json) → 'dog':5 'fat':2 'rat':3
to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::jsonb) → 'dog':1 'fat':4 'rat':5
|
|
json_to_tsvector ( [ config regconfig, ] document json, filter jsonb ) → tsvector
jsonb_to_tsvector ( [ config regconfig, ] document jsonb, filter jsonb ) → tsvector
选择 filter 请求的 JSON 文档中的每个项，并将每个项转换为 tsvector，根据指定的或默认配置对单词进行规范化。然后按照文档顺序将结果连接起来以产生输出。位置信息的生成方式就好像每对选定项之间存在一个停用词。（请注意，当输入为 jsonb 时，JSON 对象的字段的“文档顺序”是依赖于实现的。）filter 必须是包含零个或多个以下关键字的 jsonb 数组："string"（包含所有字符串值）、"numeric"（包含所有数值）、"boolean"（包含所有布尔值）、"key"（包含所有键）或 "all"（包含以上所有）。作为特殊情况，filter 也可以是一个属于这些关键字之一的简单 JSON 值。
json_to_tsvector('english', '{"a": "The Fat Rats", "b": 123}'::json, '["string", "numeric"]') → '123':5 'fat':2 'rat':3
json_to_tsvector('english', '{"cat": "The Fat Rats", "dog": 123}'::json, '"all"') → '123':9 'cat':1 'dog':7 'fat':4 'rat':5
|
|
ts_delete ( vector tsvector, lexeme text ) → tsvector
从 vector 中删除任何给定的 lexeme 的出现。lexeme 字符串被视为词素，不做进一步处理。
ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, 'fat') → 'cat':3 'rat':5A
|
|
ts_delete ( vector tsvector, lexemes text[] ) → tsvector
从 vector 中删除 lexemes 中的任何词素的出现。 lexemes 中的字符串被视为词素，不做进一步处理。与 vector 中任何词素不匹配的字符串将被忽略。
ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, ARRAY['fat','rat']) → 'cat':3
|
|
ts_filter ( vector tsvector, weights "char"[] ) → tsvector
仅从 vector 中选择具有给定 weights 的元素。
ts_filter('fat:2,4 cat:3b,7c rat:5A'::tsvector, '{a,b}') → 'cat':3B 'rat':5A
|
|
ts_headline ( [ config regconfig, ] document text, query tsquery [, options text ] ) → text
以简略的形式显示 document 中 query 的匹配项，document 必须是原始文本，而不是 tsvector。在与查询匹配之前，根据指定的或默认配置对文档中的单词进行规范化。此函数的使用在 第 12.3.4 节 中讨论，该节还描述了可用的 options。
ts_headline('The fat cat ate the rat.', 'cat') → The fat <b>cat</b> ate the rat.
|
|
ts_headline ( [ config regconfig, ] document json, query tsquery [, options text ] ) → text
ts_headline ( [ config regconfig, ] document jsonb, query tsquery [, options text ] ) → text
以简略的形式显示 JSON document 中的字符串值中出现的 query 的匹配项。有关详细信息，请参阅 第 12.3.4 节。
ts_headline('{"cat":"raining cats and dogs"}'::jsonb, 'cat') → {"cat": "raining <b>cats</b> and dogs"}
|
|
ts_rank ( [ weights real[], ] vector tsvector, query tsquery [, normalization integer ] ) → real
计算一个分数，显示 vector 与 query 的匹配程度。有关详细信息，请参阅 第 12.3.3 节。
ts_rank(to_tsvector('raining cats and dogs'), 'cat') → 0.06079271
|
|
ts_rank_cd ( [ weights real[], ] vector tsvector, query tsquery [, normalization integer ] ) → real
使用覆盖密度算法计算一个分数，显示 vector 与 query 的匹配程度。有关详细信息，请参阅 第 12.3.3 节。
ts_rank_cd(to_tsvector('raining cats and dogs'), 'cat') → 0.1
|
|
ts_rewrite ( query tsquery, target tsquery, substitute tsquery ) → tsquery
用 substitute 替换 query 中的 target 的出现。有关详细信息，请参阅 第 12.4.2.1 节。
ts_rewrite('a & b'::tsquery, 'a'::tsquery, 'foo|bar'::tsquery) → 'b' & ( 'foo' | 'bar' )
|
|
ts_rewrite ( query tsquery, select text ) → tsquery
根据通过执行 SELECT 命令获得的目标和替换来替换 query 的部分内容。有关详细信息，请参阅 第 12.4.2.1 节。
SELECT ts_rewrite('a & b'::tsquery, 'SELECT t,s FROM aliases') → 'b' & ( 'foo' | 'bar' )
|
|
tsquery_phrase ( query1 tsquery, query2 tsquery ) → tsquery
构造一个短语查询，该查询搜索连续词素的 query1 和 query2 的匹配项（与 <-> 操作符相同）。
tsquery_phrase(to_tsquery('fat'), to_tsquery('cat')) → 'fat' <-> 'cat'
|
|
tsquery_phrase ( query1 tsquery, query2 tsquery, distance integer ) → tsquery
构造一个短语查询，该查询搜索相隔恰好 distance 个词素的 query1 和 query2 的匹配项。
tsquery_phrase(to_tsquery('fat'), to_tsquery('cat'), 10) → 'fat' <10> 'cat'
|
|
tsvector_to_array ( tsvector ) → text[]
将 tsvector 转换为词素数组。
tsvector_to_array('fat:2,4 cat:3 rat:5A'::tsvector) → {cat,fat,rat}
|
|
unnest ( tsvector ) → setof record ( lexeme text, positions smallint[], weights text )
将一个 tsvector 展开为一组行，每行对应一个词位。
select * from unnest('cat:3 fat:2,4 rat:5A'::tsvector) →
lexeme | positions | weights
--------+-----------+---------
cat | {3} | {D}
fat | {2,4} | {D,D}
rat | {5} | {A}
|