PostgreSQL 提供两种旨在支持全文搜索的数据类型,全文搜索是一项在自然语言文档集合中搜索与查询最匹配的文档的活动。 tsvector
类型以针对文本搜索优化的形式表示文档; tsquery
类型以类似方式表示文本查询。 第 12 章 对此功能给出了详细解释,第 9.13 节 总结了相关的函数和运算符。
tsvector
#一个 tsvector
值是一个由不同的词素(已经标准化为将某个词的不同变体合并的词)组成的已排序列表(有关详细信息,请参阅第 12 章)。如本示例所示,排序和消除重复将在输入期间自动完成
SELECT 'a fat cat sat on a mat and ate a fat rat'::tsvector; tsvector ---------------------------------------------------- 'a' 'and' 'ate' 'cat' 'fat' 'mat' 'on' 'rat' 'sat'
若要表示包含空格或标点的词素,请用引号将其引起来
SELECT $$the lexeme ' ' contains spaces$$::tsvector; tsvector ------------------------------------------- ' ' 'contains' 'lexeme' 'spaces' 'the'
(我们在本示例和下一个示例中使用带美元符号引号的字符串文本,以避免引号在文本中混淆的问题。)嵌入式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'
此外,整数位置可以附加到词素上
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
位置通常会指示源词在文档中的位置。位置信息可用于邻近度排名。位置值介于 1 到 16383 之间;较大的数字会静默地设置为 16383。同一词素的重复位置会被丢弃。
具有位置的词素可以进一步用权重标记,它可以为 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的内容。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,要了解 tsvector
类型本身不会执行任何单词标准化;它假定给出的单词已经针对应用程序进行了适当的标准化。例如,
SELECT 'The Fat Rats'::tsvector; tsvector -------------------- 'Fat' 'Rats' 'The'
对于大多数英文文本搜索应用程序,上述单词会被视为未标准化的,但 tsvector
并不关心这一点。通常应该通过 to_tsvector
传递原始文档文本,以便相应地标准化单词以进行搜索
SELECT to_tsvector('english', 'The Fat Rats'); to_tsvector ----------------- 'fat':2 'rat':3
同样,请参阅 第 12 章以了解更多详细信息。
tsquery
#一个 tsquery
值存储要搜索的词素,并且可以使用布尔运算符 &
(AND)、|
(OR) 和 !
(NOT) 以及短语搜索运算符 <->
(FOLLOWED BY) 将它们组合在一起。 FOLLOWED BY 运算符还有一个变体 <
,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。 <->
等效于 <1>
。
括号可用于强制组合这些运算符。在没有括号的情况下,!
(NOT) 的绑定最紧密,其次是 <->
(FOLLOWED BY),然后是 &
(AND),|
(OR) 绑定最松散。
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'
另外,tsquery
中的词素可以用一个或多个权重字母标记,这会限制它们只匹配 weight 之一中的 tsvector
词素
SELECT 'fat:ab & cat'::tsquery; tsquery ------------------ 'fat':AB & 'cat'
此外,tsquery
中的词素可以用 *
标记以指定前缀匹配
SELECT 'super:*'::tsquery; tsquery ----------- 'super':*
此查询将匹配 tsvector
中以 “super” 开头的任何单词。
词素的引号规则与前面描述的 tsvector
中词素的引号规则相同;并且,与 tsvector
一样,在转换为 tsquery
类型之前,必须对单词进行任何必需的标准化。 to_tsquery
函数便于执行此类标准化
SELECT to_tsquery('Fat:ab & Cats'); to_tsquery ------------------ 'fat':AB & 'cat'
请注意,to_tsquery
将以与其他单词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
被词干化后变为 postgr
SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' ); to_tsvector | to_tsquery ---------------+------------ 'postgradu':1 | 'postgr':*
这将匹配 postgraduate
的词干化形式。