PostgreSQL 提供了两种数据类型来支持全文搜索,全文搜索是指在一个自然语言文档集合中搜索,以找到最符合查询的那些文档。 tsvector
类型表示一种针对文本搜索进行优化的文档形式; tsquery
类型类似地表示一个文本查询。 第 12 章 详细解释了此功能,第 9.13 节 概述了相关函数和操作符。
tsvector
#tsvector
值是一个不同的词位的排序列表,这些词位是经过规范化处理后的词,旨在合并同一个词的不同变体(详情请参见第 12 章)。排序和去除重复操作在输入期间自动完成,如本例所示:
SELECT 'a fat cat sat on a mat and ate a fat rat'::tsvector; tsvector ---------------------------------------------------- 'a' 'and' 'ate' 'cat' 'fat' 'mat' 'on' 'rat' 'sat'
为了表示包含空格或标点符号的词位,请用引号将其括起来。
SELECT $$the lexeme ' ' contains spaces$$::tsvector; tsvector ------------------------------------------- ' ' 'contains' 'lexeme' 'spaces' 'the'
(在这个例子和下一个例子中,我们使用美元符号引用的字符串文字,以避免在文字中必须重复使用引号的混淆。)嵌入的引号和反斜杠必须双写。
SELECT $$the lexeme 'Joe''s' contains a quote$$::tsvector; tsvector ------------------------------------------------ 'Joe''s' 'a' 'contains' 'lexeme' 'quote' 'the'
可选地,可以将整数位置附加到词位。
SELECT 'a:1 fat:2 cat:3 sat:4 on:5 a:6 mat:7 and:8 ate:9 a:10 fat:11 rat:12'::tsvector; tsvector ------------------------------------------------------------------------------- 'a':1,6,10 'and':8 'ate':9 'cat':3 'fat':2,11 'mat':7 'on':5 'rat':12 'sat':4
位置通常表示源词在文档中的位置。位置信息可以用于邻近度排名。位置值的范围可以从 1 到 16383;更大的数字将被静默设置为 16383。同一词位的重复位置将被丢弃。
具有位置的词位可以进一步用权重标记,权重可以是 A
、B
、C
或 D
。 D
是默认值,因此不显示在输出中。
SELECT 'a:1A fat:2B,4C cat:5D'::tsvector; tsvector ---------------------------- 'a':1A 'cat':5 'fat':2B,4C
权重通常用于反映文档结构,例如通过将标题词与正文词进行不同的标记。文本搜索排名函数可以为不同的权重标记分配不同的优先级。
重要的是要理解 tsvector
类型本身不执行任何词语规范化;它假设它所给的词语已针对应用程序进行了适当的规范化。例如:
SELECT 'The Fat Rats'::tsvector; tsvector -------------------- 'Fat' 'Rats' 'The'
对于大多数英语文本搜索应用程序,上面的词将被视为非规范化的,但 tsvector
并不关心。原始文档文本通常应该通过 to_tsvector
来传递,以便适当地规范化用于搜索的词语。
SELECT to_tsvector('english', 'The Fat Rats'); to_tsvector ----------------- 'fat':2 'rat':3
再次强调,有关更多详细信息,请参阅 第 12 章。
tsquery
#tsquery
值存储要搜索的词位,并可以使用布尔运算符 &
(AND)、|
(OR) 和 !
(NOT) 以及短语搜索运算符 <->
(FOLLOWED BY) 将它们组合起来。还有 FOLLOWED BY 运算符的变体 <
,其中 N
>N
是一个整数常量,指定要搜索的两个词位之间的距离。 <->
等价于 <1>
。
可以使用括号来强制分组这些运算符。在没有括号的情况下,!
(NOT) 绑定最紧密,<->
(FOLLOWED BY) 次之,然后是 &
(AND),|
(OR) 绑定最不紧密。
以下是一些示例:
SELECT 'fat & rat'::tsquery; tsquery --------------- 'fat' & 'rat' SELECT 'fat & (rat | cat)'::tsquery; tsquery --------------------------- 'fat' & ( 'rat' | 'cat' ) SELECT 'fat & rat & ! cat'::tsquery; tsquery ------------------------ 'fat' & 'rat' & !'cat'
可选地,tsquery
中的词位可以用一个或多个权重字母标记,这限制它们只能匹配具有其中一个权重的 tsvector
词位。
SELECT 'fat:ab & cat'::tsquery; tsquery ------------------ 'fat':AB & 'cat'
此外,tsquery
中的词位可以用 *
标记来指定前缀匹配。
SELECT 'super:*'::tsquery; tsquery ----------- 'super':*
此查询将匹配 tsvector
中任何以“super”开头的词。
词位的引号规则与先前描述的 tsvector
中的词位相同;并且,与 tsvector
一样,在转换为 tsquery
类型之前,必须完成任何必需的词语规范化。 to_tsquery
函数对于执行此类规范化很方便。
SELECT to_tsquery('Fat:ab & Cats'); to_tsquery ------------------ 'fat':AB & 'cat'
请注意,to_tsquery
将以与其他词语相同的方式处理前缀,这意味着此比较返回 true:
SELECT to_tsvector( 'postgraduate' ) @@ to_tsquery( 'postgres:*' ); ?column? ---------- t
因为 postgres
被词干化为 postgr
SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' ); to_tsvector | to_tsquery ---------------+------------ 'postgradu':1 | 'postgr':*
这将与 postgraduate
的词干形式匹配。
如果您在文档中看到任何不正确、与您使用特定功能的经验不符或需要进一步澄清的地方,请使用此表单报告文档问题。