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素,无需进一步处理。数组元素不能是空字符串或 NULL 。
array_to_tsvector('{fat,cat,rat}'::text[]) → 'cat' 'fat' 'rat'
|
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 中词素的数量。
length('fat:2,4 cat:3 rat:5A'::tsvector) → 3
|
numnode ( tsquery ) → integer
返回 tsquery 中词素加运算符的数量。
numnode('(fat & rat) | cat'::tsquery) → 5
|
plainto_tsquery ( [ config regconfig , ] query text ) → tsquery
将文本转换为 tsquery ,根据指定的或默认配置规范化单词。字符串中的任何标点符号都将被忽略(它不确定查询运算符)。生成的查询匹配包含文本中所有非停用词的文档。
plainto_tsquery('english', 'The Fat Rats') → 'fat' & 'rat'
|
phraseto_tsquery ( [ config regconfig , ] query text ) → tsquery
将文本转换为 tsquery ,根据指定的或默认配置规范化单词。字符串中的任何标点符号都将被忽略(它不确定查询运算符)。生成的查询匹配包含文本中所有非停用词的短语。
phraseto_tsquery('english', 'The Fat Rats') → 'fat' <-> 'rat'
phraseto_tsquery('english', 'The Cat and Rats') → 'cat' <2> 'rat'
|
websearch_to_tsquery ( [ config regconfig , ] query text ) → tsquery
将文本转换为 tsquery ,根据指定的或默认配置规范化单词。引用的词序列将转换为短语测试。“or” 一词被理解为生成 OR 运算符,而连字符生成 NOT 运算符;其他标点符号将被忽略。这近似于某些常用网络搜索工具的行为。
websearch_to_tsquery('english', '"fat rat" or cat dog') → 'fat' <-> 'rat' | 'cat' & 'dog'
|
querytree ( tsquery ) → text
生成 tsquery 的可索引部分的表示形式。空的结果或仅为 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('fat:2,4 cat:3 rat:5B'::tsvector, 'A') → 'cat':3A 'fat':2A,4A 'rat':5A
|
setweight ( vector tsvector , weight "char" , lexemes text[] ) → tsvector
将指定的 weight 分配给 vector 中列在 lexemes 中的元素。lexemes 中的字符串按原样作为词素,无需进一步处理。与 vector 中任何词素都不匹配的字符串将被忽略。
setweight('fat:2,4 cat:3 rat:5,6B'::tsvector, 'A', '{cat,rat}') → 'cat':3A 'fat':2,4 'rat':5A,6A
|
strip ( tsvector ) → tsvector
移除 tsvector 中的位置和权重。
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 ,根据指定或默认配置规范化单词。这些单词必须通过有效的 tsquery 运算符组合。
to_tsquery('english', 'The & Fat & Rats') → 'fat' & 'rat'
|
to_tsvector ( [ config regconfig , ] document text ) → tsvector
将文本转换为 tsvector ,根据指定或默认配置规范化单词。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 ,根据指定或默认配置规范化单词。然后按文档顺序连接结果以生成输出。位置信息是假设在每对字符串值之间存在一个停用词而生成的。(请注意,当输入为 jsonb 时,JSON 对象字段的“文档顺序”取决于实现;请注意示例中的差异。)
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 文档中的每个项目,并将每个项目转换为 tsvector ,根据指定或默认配置规范化单词。然后按文档顺序连接结果以生成输出。位置信息是假设在每对选定项目之间存在一个停用词而生成的。(请注意,当输入为 jsonb 时,JSON 对象字段的“文档顺序”取决于实现。)filter 必须是一个 jsonb 数组,其中包含以下零个或多个关键字:"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 也可以是一个简单的 JSON 值,该值是这些关键字之一。
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 中移除给定 lexeme 的任何出现。 lexeme 字符串按原样被视为词素,无需进一步处理。
ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, 'fat') → 'cat':3 'rat':5A
|
ts_delete ( vector tsvector , lexemes text[] ) → tsvector
从 vector 中移除 lexemes 中词素的任何出现。 lexemes 中的字符串按原样被视为词素,无需进一步处理。与 vector 中任何词素都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
以简略形式显示 document 中 query 的匹配结果,其中 document 必须是原始文本,而不是 tsvector 。在与查询匹配之前,根据指定或默认配置规范化文档中的单词。此函数的使用在第 12.3.4 节中进行了讨论,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
以简略形式显示在 JSON document 中的字符串值中出现的 query 的匹配结果。有关更多详细信息,请参见第 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,请参见第 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,请参见第 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
在 query 中用 substitute 替换 target 的出现。有关详细信息,请参见第 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项替换 query 的部分内容。有关详细信息,请参见第 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,搜索在连续词素处匹配 query1 和 query2 的结果(与 <-> 运算符相同)。
tsquery_phrase(to_tsquery('fat'), to_tsquery('cat')) → 'fat' <-> 'cat'
|
tsquery_phrase ( query1 tsquery , query2 tsquery , distance integer ) → tsquery
构建一个短语查询,搜索 query1 和 query2 的匹配项,这两个匹配项之间恰好间隔 distance 个词素。
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 tsvector 展开为一个行集,每个词素一行。
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}
|