PostgreSQL 提供了两种专为支持全文搜索而 设计的数据类型。所谓全文搜索,是指在一组自然语言 文档中查找最匹配某个 查询的文档。tsvector 类型以 适合文本搜索的优化形式表示文档,tsquery 类型则表示 文本查询。关于这一功能的详细解释见 Chapter 12; 相关函数和操作符的概览见 Section 9.13。
tsvector #tsvector 值是一个排好序且互不重复的 词位(lexeme)列表,这些词已经过 规范化,以便把同一单词的不同变体合并起来 (详见 Chapter 12)。排序和去重会在输入时自动 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'
若要表示包含空白或标点的词位,请用引号将它们括起来:
SELECT $$the lexeme ' ' contains spaces$$::tsvector;
tsvector
-------------------------------------------
' ' 'contains' 'lexeme' 'spaces' 'the'
(本例及下例使用美元引用的字符串常量,以避免在字符串内部必须 双写引号所造成的混淆。)嵌入的引号和反斜线必须双写:
SELECT $$the lexeme 'Joe''s' contains a quote$$::tsvector;
tsvector
------------------------------------------------
'Joe''s' 'a' 'contains' 'lexeme' 'quote' 'the'
还可以为词位附加整数形式的 位置:
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
一个位置通常表示源词在文档中的位置。位置信息可用于 邻近度排序。位置值可以位于 1 到 16383 之间;更大的数字会被静默设为 16383。同一词位的重复位置会被丢弃。
带有位置的词位还可以进一步附加一个 权重标签,其值可以是 A、B、C 或 D。D 是默认值,因此在 输出中不会显示:
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,例如把标题中的词和正文中的词区分开来。 文本搜索排序函数可以为不同的权重标记分配不同优先级。
必须认识到,tsvector 类型本身并不会执行任何词语 规范化;它假定输入的词已经按照应用需求完成规范化。例如:
SELECT 'The Fat Rats'::tsvector;
tsvector
--------------------
'Fat' 'Rats' 'The'
对于大多数英文全文搜索应用来说,上述词会被视为尚未规范化,但 tsvector 并不在意。原始文档文本通常应先经过 to_tsvector,以按搜索需要对词语进行规范化:
SELECT to_tsvector('english', 'The Fat Rats');
to_tsvector
-----------------
'fat':2 'rat':3
更多细节仍请参见 Chapter 12。
tsquery #tsquery 值存储要搜索的词位,并可用布尔操作符 &(AND)、|(OR)和 !(NOT)将它们组合起来,也可使用短语搜索 操作符 <->(FOLLOWED BY)。此外, FOLLOWED BY 还有一种变体 <,其中 N>N 是整数常量,用于指定被搜索的两个词位 之间的距离。<-> 等效于 <1>。
可以使用圆括号强制指定这些操作符的分组方式。若没有圆括号, !(NOT)的绑定最紧,其次是 <->(FOLLOWED BY),再其次是 &(AND),最后是 |(OR)。
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'
可选地,tsquery 中的词位可以用一个或多个权重字母 标注,这会限制它们只匹配在 tsvector 中带有这些 权重之一的词位:
SELECT 'fat:ab & cat'::tsquery;
tsquery
------------------
'fat':AB & 'cat'
此外,tsquery 中的词位还可以带上 * 标签来指定前缀匹配:
SELECT 'super:*'::tsquery; tsquery ----------- 'super':*
这个查询将匹配 tsvector 中任何以 “super” 开头的词位。
引号的使用规则与前面介绍 tsvector 时相同;同样, 与 tsvector 一样,任何需要的词语规范化都必须在 转换为 tsquery 类型之前完成。to_tsquery 函数很适合用来实现这种规范化:
SELECT to_tsquery('Fat:ab & Cats');
to_tsquery
------------------
'fat':AB & 'cat'
请注意,to_tsquery 会像处理其他词一样处理 前缀,这意味着下面的比较会返回真:
SELECT to_tsvector( 'postgraduate' ) @@ to_tsquery( 'postgres:*' ); ?column? ---------- t
因为 postgres 会被词干化为 postgr:
SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' ); to_tsvector | to_tsquery ---------------+------------ 'postgradu':1 | 'postgr':*
因而它能够匹配其带前缀的后继形式 postgraduate。
如果您发现文档中有不正确的内容、与您使用特定功能的经验不符或需要进一步说明,请使用此表单来报告文档问题。