PostgreSQL 提供了两种数据类型,旨在支持全文搜索,即在自然语言文档集合中搜索以找到与查询最匹配的文档。 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 对此功能进行了详细说明,第 9.13 节 总结了相关函数和运算符。
tsvector
#tsvector
值是有序的、不重复的词素列表,词素是已经规范化的单词,可以合并同一单词的不同变体(有关详细信息,请参见第 12 章)。排序和消除重复项在输入期间自动完成,如下例所示
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美元引号字符串文字,以避免在文字中使用双引号的混淆。)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'
或者,整数位置可以附加到词素
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
位置通常指示源单词在文档中的位置。位置信息可用于邻近度排名。位置值范围为 1 到 16383;较大的数字将静默设置为 16383。同一词素的重复位置将被丢弃。
具有位置的词素可以进一步用权重标记,它可以是A
、B
、C
或D
。 D
是默认值,因此不会显示在输出上
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区分开来。文本搜索排名功能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
类型本身不执行任何单词规范化;它假设给定的单词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,上述单词将被视为未规范化,但tsvector
并不关心。原始文档文本通常应通过to_tsvector
传递,以适当规范化单词以进行搜索
SELECT to_tsvector('english', 'The Fat Rats'); to_tsvector ----------------- 'fat':2 'rat':3
同样,请参阅第 12 章了解更多详细信息。
tsquery
#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)对其进行组合。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素之间的距离。 <->
等效于<1>
。
括号可用于强制对这些运算符进行分组。在没有括号的情况下,!
(NOT)绑定最紧密,<->
(FOLLOWED BY)次紧密,然后是&
(AND),而|
(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'
或者,tsquery
中的词素可以用一个或多个权重字母标记,这会限制它们仅匹配具有这些权重之一的 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。
词素的引用规则与之前描述的 tsvector
中的词素相同;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规范化。to_tsquery
函数便于执行此类规范化
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
被词干化为 postgr
SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' ); to_tsvector | to_tsquery ---------------+------------ 'postgradu':1 | 'postgr':*
它将匹配 postgraduate
的词干形式。