停用词是非常常见的单词，几乎出现在每篇文档中，并且没有歧视价值。因此，在全文搜索的上下文中可以忽略它们。例如，每篇英文文本都包含 a 和 the 等单词，因此将它们存储在索引中毫无用处。但是，停用词确实会影响 tsvector 中的位置，而后者又会影响排名

SELECT to_tsvector('english', 'in the list of stop words');
        to_tsvector
----------------------------
 'list':3 'stop':5 'word':6

缺失的位置 1、2、4 是由于停用词。针对有停用词和没有停用词的文档计算的排名大不相同

SELECT ts_rank_cd (to_tsvector('english', 'in the list of stop words'), to_tsquery('list & stop'));
 ts_rank_cd
------------
       0.05

SELECT ts_rank_cd (to_tsvector('english', 'list stop words'), to_tsquery('list & stop'));
 ts_rank_cd
------------
        0.1

具体词典如何处理停用词取决于它。例如，ispell 词典首先规范化单词，然后查看停用词列表，而 Snowball 词干分析器首先检查停用词列表。行为不同的原因是试图减少噪音。

simple 词典模板通过将输入标记转换为小写并根据停用词文件对其进行检查来操作。如果在文件中找到该标记，则返回一个空数组，导致该标记被丢弃。如果没有找到，则该单词的小写形式将作为标准词素返回。或者，可以将词典配置为将非停用词报告为无法识别，允许它们传递到列表中的下一个词典。

以下是使用 simple 模板的词典定义示例

CREATE TEXT SEARCH DICTIONARY public.simple_dict (
    TEMPLATE = pg_catalog.simple,
    STOPWORDS = english
);

此处，english 是停用词文件的基名。该文件的完整名称将为 $SHAREDIR/tsearch_data/english.stop，其中 $SHAREDIR 表示 PostgreSQL 安装的共享数据目录，通常为 /usr/local/share/postgresql（如果不确定，请使用 pg_config --sharedir 确定）。该文件格式只是一个单词列表，每行一个单词。空白行和尾随空格将被忽略，大写将折叠为小写，但不会对文件内容执行任何其他处理。

现在，我们可以测试我们的词典

SELECT ts_lexize('public.simple_dict', 'YeS');
 ts_lexize
-----------
 {yes}

SELECT ts_lexize('public.simple_dict', 'The');
 ts_lexize
-----------
 {}

如果在停用词文件中找不到该单词，我们还可以选择返回 NULL，而不是小写单词。通过将词典的 Accept 参数设置为 false 来选择此行为。继续示例

ALTER TEXT SEARCH DICTIONARY public.simple_dict ( Accept = false );

SELECT ts_lexize('public.simple_dict', 'YeS');
 ts_lexize
-----------


SELECT ts_lexize('public.simple_dict', 'The');
 ts_lexize
-----------
 {}

在默认设置 Accept = true 的情况下，仅将 simple 词典放在词典列表的末尾才有用，因为它永远不会将任何标记传递给后续词典。相反，仅当至少有一个后续词典时，Accept = false 才有用。

此词典模板用于创建词典，用同义词替换单词。不支持短语（为此使用同义词模板（第 12.6.4 节））。同义词词典可用于克服语言问题，例如，防止英语词干词典将单词 “Paris” 缩减为 “pari”。只需在同义词词典中添加一行 Paris paris 并将其置于 english_stem 词典之前即可。例如

SELECT * FROM ts_debug('english', 'Paris');
   alias   |   description   | token |  dictionaries  |  dictionary  | lexemes
-----------+-----------------+-------+----------------+--------------+---------
 asciiword | Word, all ASCII | Paris | {english_stem} | english_stem | {pari}

CREATE TEXT SEARCH DICTIONARY my_synonym (
    TEMPLATE = synonym,
    SYNONYMS = my_synonyms
);

ALTER TEXT SEARCH CONFIGURATION english
    ALTER MAPPING FOR asciiword
    WITH my_synonym, english_stem;

SELECT * FROM ts_debug('english', 'Paris');
   alias   |   description   | token |       dictionaries        | dictionary | lexemes
-----------+-----------------+-------+---------------------------+------------+---------
 asciiword | Word, all ASCII | Paris | {my_synonym,english_stem} | my_synonym | {paris}

synonym 模板所需的唯一参数是 SYNONYMS，它是其配置文件的基本名称——在上述示例中为 my_synonyms。文件的完整名称将为 $SHAREDIR/tsearch_data/my_synonyms.syn（其中 $SHAREDIR 表示 PostgreSQL 安装的共享数据目录）。文件格式是每行一个要替换的单词，单词后跟其同义词，以空格分隔。空行和尾随空格将被忽略。

synonym 模板还有一个可选参数 CaseSensitive，其默认值为 false。当 CaseSensitive 为 false 时，同义词文件中的单词将折叠为小写，输入标记也是如此。当它为 true 时，单词和标记不会折叠为小写，而是按原样进行比较。

可以在配置文件中同义词的末尾放置一个星号 (*)。这表示同义词是一个前缀。在 to_tsvector() 中使用条目时会忽略星号，但在 to_tsquery() 中使用条目时，结果将是带有前缀匹配标记的查询项（请参阅 第 12.3.2 节）。例如，假设我们在 $SHAREDIR/tsearch_data/synonym_sample.syn 中有以下条目

postgres        pgsql
postgresql      pgsql
postgre pgsql
gogle   googl
indices index*

那么我们将获得以下结果

mydb=# CREATE TEXT SEARCH DICTIONARY syn (template=synonym, synonyms='synonym_sample');
mydb=# SELECT ts_lexize('syn', 'indices');
 ts_lexize
-----------
 {index}
(1 row)

mydb=# CREATE TEXT SEARCH CONFIGURATION tst (copy=simple);
mydb=# ALTER TEXT SEARCH CONFIGURATION tst ALTER MAPPING FOR asciiword WITH syn;
mydb=# SELECT to_tsvector('tst', 'indices');
 to_tsvector
-------------
 'index':1
(1 row)

mydb=# SELECT to_tsquery('tst', 'indices');
 to_tsquery
------------
 'index':*
(1 row)

mydb=# SELECT 'indexes are very useful'::tsvector;
            tsvector
---------------------------------
 'are' 'indexes' 'useful' 'very'
(1 row)

mydb=# SELECT 'indexes are very useful'::tsvector @@ to_tsquery('tst', 'indices');
 ?column?
----------
 t
(1 row)

同义词词典（有时缩写为 TZ）是包含有关单词和短语关系的信息的单词集合，即更广泛的术语 (BT)、更窄的术语 (NT)、首选术语、非首选术语、相关术语等。

基本上，同义词词典将所有非首选术语替换为一个首选术语，并且可以选择保留原始术语以进行索引。PostgreSQL 当前对同义词词典的实现是对同义词词典的扩展，增加了对短语的支持。同义词词典需要以下格式的配置文件

# this is a comment
sample word(s) : indexed word(s)
more sample word(s) : more indexed word(s)
...

其中冒号 (:) 符号充当短语与其替换项之间的分隔符。

同义词词典使用子词典（在词典的配置中指定）在检查短语匹配之前对输入文本进行规范化。只能选择一个子词典。如果子词典无法识别某个单词，则会报告错误。在这种情况下，您应该停止使用该单词或向子词典教授该单词。您可以在索引单词的开头放置一个星号 (*) 以跳过对其应用子词典，但所有示例单词必须为子词典所知。

如果有多个短语与输入匹配，同义词词典将选择最长的匹配，并使用最后一个定义来打破平局。

无法指定子词典识别的特定停用词；相反，使用?标记任何停用词可能出现的位置。例如，假设根据子词典，a和the是停用词

? one ? two : swsw

匹配a one the two和the one a two；两者都将替换为swsw。

由于同义词词典具有识别短语的能力，因此它必须记住其状态并与解析器交互。同义词词典使用这些赋值来检查它是否应该处理下一个单词或停止累积。必须仔细配置同义词词典。例如，如果将同义词词典分配为仅处理asciiword令牌，那么像one 7这样的同义词词典定义将不起作用，因为令牌类型uint未分配给同义词词典。

CREATE TEXT SEARCH DICTIONARY thesaurus_simple (
    TEMPLATE = thesaurus,
    DictFile = mythesaurus,
    Dictionary = pg_catalog.english_stem
);

ALTER TEXT SEARCH CONFIGURATION russian
    ALTER MAPPING FOR asciiword, asciihword, hword_asciipart
    WITH thesaurus_simple;

supernovae stars : sn
crab nebulae : crab

CREATE TEXT SEARCH DICTIONARY thesaurus_astro (
    TEMPLATE = thesaurus,
    DictFile = thesaurus_astro,
    Dictionary = english_stem
);

ALTER TEXT SEARCH CONFIGURATION russian
    ALTER MAPPING FOR asciiword, asciihword, hword_asciipart
    WITH thesaurus_astro, english_stem;

SELECT plainto_tsquery('supernova star');
 plainto_tsquery
-----------------
 'sn'

SELECT to_tsvector('supernova star');
 to_tsvector
-------------
 'sn':1

SELECT to_tsquery('''supernova star''');
 to_tsquery
------------
 'sn'

supernovae stars : sn supernovae stars

SELECT plainto_tsquery('supernova star');
       plainto_tsquery
-----------------------------
 'sn' & 'supernova' & 'star'

Ispell 字典模板支持形态字典，它可以将单词的许多不同语言形式标准化为同一词素。例如，英语 Ispell 字典可以匹配搜索词 bank 的所有变格和变位，例如 banking、banked、banks、banks' 和 bank's。

标准 PostgreSQL 发行版不包含任何 Ispell 配置文件。可以从 Ispell 获得大量语言的字典。此外，还支持一些更现代的字典文件格式——MySpell (OO < 2.0.1) 和 Hunspell (OO >= 2.0.2)。可以在 OpenOffice Wiki 上找到大量字典。

要创建 Ispell 字典，请执行以下步骤

其中，DictFile、AffFile 和 StopWords 指定字典、词缀和停用词文件的基名。停用词文件具有与上述 simple 字典类型相同的格式。其他文件的格式在此处未指定，但可从上述网站获取。

Ispell 字典通常会识别一组有限的单词，因此应使用另一本更广泛的字典，例如识别所有内容的 Snowball 字典。

Ispell 的 .affix 文件具有以下结构

prefixes
flag *A:
    .           >   RE      # As in enter > reenter
suffixes
flag T:
    E           >   ST      # As in late > latest
    [^AEIOU]Y   >   -Y,IEST # As in dirty > dirtiest
    [AEIOU]Y    >   EST     # As in gray > grayest
    [^EY]       >   EST     # As in small > smallest

而 .dict 文件具有以下结构

lapse/ADGRS
lard/DGRS
large/PRTY
lark/MRS

.dict 文件的格式为

basic_form/affix_class_name

在 .affix 文件中，每个词缀标志都使用以下格式进行描述

condition > [-stripping_letters,] adding_affix

其中，条件具有类似于正则表达式格式的格式。它可以使用分组 [...] 和 [^...]。例如，[AEIOU]Y 表示单词的最后一个字母是 "y"，倒数第二个字母是 "a"、"e"、"i"、"o" 或 "u"。 [^EY] 表示最后一个字母既不是 "e" 也不是 "y"。

Ispell 字典支持拆分复合词，这是一个有用的功能。请注意，词缀文件应使用 compoundwords controlled 语句指定一个特殊标志，该标志标记可以参与复合词形成的字典词

compoundwords  controlled z

以下是挪威语的一些示例

SELECT ts_lexize('norwegian_ispell', 'overbuljongterningpakkmesterassistent');
   {over,buljong,terning,pakk,mester,assistent}
SELECT ts_lexize('norwegian_ispell', 'sjokoladefabrikk');
   {sjokoladefabrikk,sjokolade,fabrikk}

MySpell 格式是 Hunspell 的子集。 Hunspell 的 .affix 文件具有以下结构

PFX A Y 1
PFX A   0     re         .
SFX T N 4
SFX T   0     st         e
SFX T   y     iest       [^aeiou]y
SFX T   0     est        [aeiou]y
SFX T   0     est        [^ey]

词缀类的第一行是标题。词缀规则的字段在标题后列出

.dict 文件看起来像 Ispell 的 .dict 文件

larder/M
lardy/RT
large/RSPMYT
largehearted

Snowball 词典模板基于 Martin Porter 的一个项目，他是英语语言中流行的 Porter 词干提取算法的发明者。Snowball 现在为多种语言提供词干提取算法（有关更多信息，请参阅 Snowball 网站）。每种算法都了解如何将单词的常见变体形式缩减为其语言中的基础或词干拼写。Snowball 词典需要一个 language 参数来标识要使用的词干提取器，还可以选择指定一个 stopword 文件名，该文件名提供要消除的单词列表。（PostgreSQL 的标准停用词列表也由 Snowball 项目提供。）例如，有一个内置定义等效于

CREATE TEXT SEARCH DICTIONARY english_stem (
    TEMPLATE = snowball,
    Language = english,
    StopWords = english
);

停用词文件格式与已解释的相同。

Snowball 词典识别所有内容，无论它是否能够简化单词，因此它应该放在词典列表的末尾。在任何其他词典之前使用它毫无用处，因为令牌永远不会通过它传递到下一个词典。