历史版本。 PostgreSQL 8.4 已结束支持。 请参阅 当前版本手册.
12.5. 解析器 #
文本检索解析器负责把未处理的文档文本划分成词元并标识每个词元的类型，而可能的类型集合由解析器本身定义。注意，解析器完全不会修改文本 — 它只是识别看似合理的词边界。由于作用范围有限，相比自定义词典，对应用相关的自定义解析器的需求没有那么强烈。目前PostgreSQL只提供一种内置解析器，而它已经被证明对广泛的应用都很有用。
内置解析器被称为pg_catalog.default。它识别 23 种词元类型：
表 12.1. 默认解析器的词元类型
| 别名 | 描述 | 示例 |
|---|---|---|
asciiword | 单词，所有 ASCII 字母 | elephant |
word | 单词，所有字母 | mañana |
numword | 单词，字母和数字 | beta1 |
asciihword | 带连字符的单词，所有 ASCII | up-to-date |
hword | 带连字符的单词，所有字母 | lógico-matemática |
numhword | 带连字符的单词，字母和数字 | postgresql-beta1 |
hword_asciipart | 带连字符的单词部分，所有 ASCII | 在 postgresql-beta1 上下文中的 postgresql |
hword_part | 带连字符的单词部分，所有字母 | 在 lógico-matemática 上下文中的 lógico 或 matemática |
hword_numpart | 带连字符的单词部分，字母和数字 | 在 postgresql-beta1 上下文中的 beta1 |
email | 电子邮件地址 | foo@example.com |
protocol | 协议头部 | http:// |
url | URL | example.com/stuff/index.html |
host | 主机 | example.com |
url_path | URL 路径 | /stuff/index.html，在 URL 上下文中 |
file | 文件或路径名 | /usr/local/foo.txt，如果不在 URL 中 |
sfloat | 科学记数法 | -1.234e56 |
float | 十进制记数法 | -1.234 |
int | 有符号整数 | -1234 |
uint | 无符号整数 | 1234 |
version | 版本号 | 8.3.0 |
tag | XML 标签 | <a href="dictionaries.html"> |
entity | XML 实体 | & |
blank | 空格符号 | （其他不识别的任意空白或标点符号） |
注意
解析器对“字母”的界定由数据库的区域设置决定，具体是lc_ctype。只包含基本 ASCII 字母的词被报告为一个单独的词元类型，因为有时区分它们会很有用。在大部分欧洲语言中，词元类型word和asciiword应该被同样对待。
解析器有可能从同一段文本中产生重叠的词元。举例来说，一个带连字符的词既会被报告为整个单词，也会被报告为各个组成部分：
SELECT alias, description, token FROM ts_debug('foo-bar-beta1');
alias | description | token
-----------------+------------------------------------------+---------------
numhword | Hyphenated word, letters and digits | foo-bar-beta1
hword_asciipart | Hyphenated word part, all ASCII | foo
blank | Space symbols | -
hword_asciipart | Hyphenated word part, all ASCII | bar
blank | Space symbols | -
hword_numpart | Hyphenated word part, letters and digits | beta1这种行为是可取的，因为它既允许针对整个复合词搜索，也允许针对各个组成部分搜索。下面是另一个有启发性的示例：
SELECT alias, description, token FROM ts_debug('http://example.com/stuff/index.html');
alias | description | token
----------+---------------+------------------------------
protocol | Protocol head | http://
url | URL | example.com/stuff/index.html
host | Host | example.com
url_path | URL path | /stuff/index.html