F.45. unaccent — PostgreSQL 14

支持中的版本：当前版本 (18) / 17 / 16 / 15 / 14

开发中的版本： 19 / 20devel

已结束支持的版本： 13 / 12 / 11 / 10 / 9.6 / 9.5 / 9.4 / 9.3 / 9.2 / 9.1 / 9.0

F.45. unaccent
上一页	上一级	附录 F. 额外提供的模块	起始页	下一页

F.45. unaccent #

F.45.1. 配置
F.45.2. 用法
F.45.3. 函数

unaccent 是一个文本检索词典，它会从词位中移除重音符号（变音符号）。它是一个过滤词典，也就是说，它的输出总会被传递给下一个词典（如果有），这不同于词典的通常行为。这使得全文检索能够以不区分重音的方式处理文本。

unaccent 当前的实现还不能作为 thesaurus 词典的正规化词典使用。

该模块被认为是“受信任的”，也就是说，它可以由在当前数据库上具有 CREATE 权限的非超级用户安装。

F.45.1. 配置 #

unaccent 词典接受下列选项：

RULES 指定包含转换规则列表的文件的基本名称。该文件必须存储在 $SHAREDIR/tsearch_data/中，其中 $SHAREDIR 表示 PostgreSQL 安装的共享数据目录。文件名必须以.rules 结尾，但 RULES 参数中不应包含这个后缀。

规则文件的格式如下：

每一行表示一条转换规则，由一个带重音的字符和一个不带重音的字符组成。前者会被转换成后者。例如：
```
À        A
Á        A
Â        A
Ã        A
Ä        A
Å        A
Æ        AE
```
这两个字符必须以空白分隔，并且每行开头或结尾的空白都会被忽略。
另一种情况是，如果某一行只给出一个字符，则该字符的各次出现都会被删除；这对那些用独立字符表示重音的语言很有用。
实际上，这里的每个“字符”都可以是不包含空白的任意字符串，因此 unaccent 词典除了用于去除变音符号之外，也可用于其他类型的子串替换。
与其他 PostgreSQL 文本检索配置文件一样，规则文件必须以 UTF-8 编码存储。加载时，数据会自动转换为当前数据库的编码。任何包含不可转换字符的行都会被静默忽略，因此规则文件中可以包含不适用于当前编码的规则。

一个更完整并且对大多数欧洲语言都可直接使用的示例可见于 unaccent.rules。安装 unaccent 模块时，该文件会被安装到 $SHAREDIR/tsearch_data/中。这个规则文件会把带重音的字符转换成对应的不带重音字符，同时还会把连字展开为等价的一串简单字符（例如，将 Æ 转换为 AE）。

F.45.2. 用法 #

安装 unaccent 扩展会创建一个文本检索模板 unaccent 以及一个基于该模板的词典 unaccent。unaccent 词典的默认参数设置是 RULES='unaccent'，因此它可立即配合标准的 unaccent.rules 文件使用。如果愿意，也可以修改这个参数，例如

mydb=# ALTER TEXT SEARCH DICTIONARY unaccent (RULES='my_rules');

或者基于该模板创建新的词典。

要测试该词典，可以尝试：

mydb=# select ts_lexize('unaccent','Hôtel');
 ts_lexize
-----------
 {Hotel}
(1 row)

下面的示例展示了如何将 unaccent 词典插入到文本检索配置中：

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)

F.45.3. 函数 #

unaccent() 函数会从给定字符串中移除重音符号（变音符号）。从本质上说，它是对 unaccent 这一类型词典的一个包装器，但也可以在常规文本检索环境之外使用。

unaccent([dictionary regdictionary, ] string text) returns text

如果省略 dictionary 参数，则会使用与 unaccent() 函数本身位于同一模式中、名为 unaccent 的文本检索词典。

例如：

SELECT unaccent('unaccent', 'Hôtel');
SELECT unaccent('Hôtel');

上一页	上一级	下一页
F.44. tsm_system_time	起始页	F.46. uuid-ossp

报告文档问题

阅读上游文档. 通过 PostgreSQL 文档反馈表单.