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。
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 A
、B
、C
或 D
。 D
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。
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 <
版本的 FOLLOWED BY 运算符,其中 N
>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。
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。