unaccent
是一个文本搜索词典,用于从词素中移除重音(变音符号)。它是一个过滤词典,这意味着它的输出始终传递给下一个词典(如果有的话),这与词典的正常行为不同。这允许对全文搜索进行不区分重音的处理。
unaccent
的当前实现不能用作 thesaurus
词典的规范化词典。
此模块被认为是 “受信任的”,也就是说,它可以由拥有当前数据库的 CREATE
权限的非超级用户安装。
一个 unaccent
词典接受以下选项
RULES
是包含转换规则列表的文件的基本名称。此文件必须存储在 $SHAREDIR/tsearch_data/
中(其中 $SHAREDIR
表示 PostgreSQL 安装的共享数据目录)。它的名称必须以 .rules
结尾(不包含在 RULES
参数中)。
规则文件具有以下格式
每行表示一条转换规则,由带重音的字符和不带重音的字符组成。第一个转换为第二个。例如,
À A Á A Â A Ã A Ä A Å A Æ AE
这两个字符必须用空格分隔,并且行中任何前导或尾随空格都将被忽略。
或者,如果一行中只给出了一个字符,则删除该字符的实例;这在重音由单独字符表示的语言中很有用。
实际上,每个 “字符” 可以是任何不包含空格的字符串,因此 unaccent
词典除了用于移除变音符号外,还可以用于其他类型的子字符串替换。
与其他 PostgreSQL 文本搜索配置文件一样,规则文件必须存储为 UTF-8 编码。加载时,数据会自动转换为当前数据库的编码。包含无法转换的字符的任何行都会被静默忽略,以便规则文件可以包含当前编码中不适用的规则。
一个更完整的示例,它直接适用于大多数欧洲语言,可以在 unaccent.rules
中找到,当安装 unaccent
模块时,它会被安装在 $SHAREDIR/tsearch_data/
中。此规则文件将带重音的字符转换为不带重音的相同字符,并且还将连字扩展为等效的一系列简单字符(例如,Æ 扩展为 AE)。
安装 unaccent
扩展会创建一个文本搜索模板 unaccent
和一个基于该模板的词典 unaccent
。 unaccent
词典具有默认参数设置 RULES='unaccent'
,这使得它可以立即与标准 unaccent.rules
文件一起使用。如果您愿意,可以更改参数,例如
mydb=# ALTER TEXT SEARCH DICTIONARY unaccent (RULES='my_rules');
或基于模板创建新词典。
要测试词典,您可以尝试
mydb=# select ts_lexize('unaccent','Hôtel'); ts_lexize ----------- {Hotel} (1 row)
以下是一个示例,展示如何将 unaccent
词典插入文本搜索配置中
mydb=# CREATE TEXT SEARCH CONFIGURATION fr ( COPY = french ); mydb=# ALTER TEXT SEARCH CONFIGURATION fr ALTER MAPPING FOR hword, hword_part, word WITH unaccent, french_stem; mydb=# select to_tsvector('fr','Hôtels de la Mer'); to_tsvector ------------------- 'hotel':1 'mer':4 (1 row) mydb=# select to_tsvector('fr','Hôtel de la Mer') @@ to_tsquery('fr','Hotels'); ?column? ---------- t (1 row) mydb=# select ts_headline('fr','Hôtel de la Mer',to_tsquery('fr','Hotels')); ts_headline ------------------------ <b>Hôtel</b> de la Mer (1 row)
unaccent()
函数从给定的字符串中删除重音符号(变音符号)。从本质上讲,它是一个 unaccent
类型词典的包装器,但它可以在正常的文本搜索上下文之外使用。
unaccent([dictionary
regdictionary
, ]string
text
) returnstext
如果省略 dictionary
参数,则使用与 unaccent()
函数本身出现在同一架构中的名为 unaccent
的文本搜索词典。
例如
SELECT unaccent('unaccent', 'Hôtel'); SELECT unaccent('Hôtel');