2025年9月25日: PostgreSQL 18 发布!
支持的版本: 当前 (18) / 17 / 16 / 15 / 14 / 13
开发版本: devel
不支持的版本: 12 / 11 / 10 / 9.6 / 9.5 / 9.4 / 9.3 / 9.2 / 9.1 / 9.0 / 8.4 / 8.3

8.11. 文本搜索类型 #

PostgreSQL 提供了两种数据类型,用于支持全文搜索,即在自然语言 文档 集合中查找最匹配 查询 的文档的活动。 tsvector 类型以一种优化过的文本搜索形式表示文档; tsquery 类型以类似的方式表示文本查询。 第 12 章 详细解释了此功能,而 第 9.13 节 总结了相关的函数和运算符。

8.11.1. tsvector #

一个 tsvector 值是一个排序过的、不重复的 词素 列表,词素是经过 规范化 处理的词语,以合并同一词语的不同变体(参见 第 12 章 获取详情)。排序和去重在输入时自动完成,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'

要表示包含空格或标点符号的词素,请用引号将它们括起来

SELECT $$the lexeme '    ' contains spaces$$::tsvector;
                 tsvector
-------------------------------------------
 '    ' 'contains' 'lexeme' 'spaces' 'the'

(在此示例和下一个示例中,我们使用了美元定界符字符串字面量,以避免因字面量内需要双引号而产生的混淆。)嵌入的引号和反斜杠必须加倍

SELECT $$the lexeme 'Joe''s' contains a quote$$::tsvector;
                    tsvector
------------------------------------------------
 'Joe''s' 'a' 'contains' 'lexeme' 'quote' 'the'

可选地,可以为词素附加整数 位置

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。位置信息可用于 邻近度排名。位置值可以从 1 到 16383;大于此值的数字将被静默设置为 16383。同一词素的重复位置将被丢弃。

带有位置的词素可以进一步用 权重 标记,权重可以是 ABCDD 是默认值,因此在输出时不会显示

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标记为不同。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;它假设提供的词语已根据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,上述词语将被视为未规范化,但 tsvector 不关心。原始文档文本通常应通过 to_tsvector 进行处理,以适当地规范化词语以供搜索

SELECT to_tsvector('english', 'The Fat Rats');
   to_tsvector
-----------------
 'fat':2 'rat':3

同样,请参见 第 12 章 获取更多详细信息。

8.11.2. tsquery #

一个 tsquery 值存储要搜索的词素,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) 来组合它们。还有一个 <N> 版本的 FOLLOWED BY 运算符,其中 N 是一个整数常量,指定要搜索的两个词素之间的距离。<-> 等同于 <1>

括号可用于强制分组这些运算符。在没有括号的情况下,! (NOT) 绑定最紧,<-> (FOLLOWED BY) 其次,然后是 & (AND),| (OR) 绑定最松。

这里有一些例子

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 中的词素可以被标记为一个或多个权重字母,这会限制它们只匹配具有这些权重的 tsvector 词素

SELECT 'fat:ab & cat'::tsquery;
    tsquery
------------------
 'fat':AB & 'cat'

另外,tsquery 中的词素可以被标记为 * 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。

tsvector 中词素的引用规则与前面描述的相同;并且,与 tsvector 一样,任何必需的词语规范化都必须在转换为 tsquery 类型之前完成。to_tsquery 函数方便执行此类规范化

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 被词干提取为 postgr

SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' );
  to_tsvector  | to_tsquery
---------------+------------
 'postgradu':1 | 'postgr':*

这将匹配 postgraduate 的词干形式。

提交更正

如果您在文档中看到任何不正确的内容、与您在使用特定功能时的体验不符或需要进一步澄清的内容,请使用 此表单 来报告文档问题。