↑↓ 选择↵ 打开⌫ 切换范围完整搜索

PG.CENTER 连接 PostgreSQL 文档、百科与生态知识。由 Pigsty 维护。

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 / 8.4 / 8.3
历史版本。 PostgreSQL 9.6 已结束支持。 2021-11-11. 请参阅 当前版本手册.

8.11. 文本搜索类型 #

PostgreSQL 提供了两种专为支持全文检索而设计的数据类型。所谓全文检索,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 类型以适合文本检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第 12 章;相关函数和操作符的概览见第 9.13 节。

8.11.1. tsvector #

tsvector 值是一个排好序且互不重复的词位(lexeme)列表,这些词已经过正规化,以便把同一单词的不同变体合并起来(详见第 12 章)。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。文本检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正规化;它假定输入的词已经按照应用需求完成正规化。例如:

SELECT 'The Fat Rats'::tsvector;
      tsvector
--------------------
 'Fat' 'Rats' 'The'

对于大多数英文全文检索应用来说,上述词会被视为尚未正规化,但 tsvector 并不在意。原始文档文本通常应先经过 to_tsvector,以按检索需要对词语进行正规化:

SELECT to_tsvector('english', 'The Fat Rats');
   to_tsvector
-----------------
 'fat':2 'rat':3

更多细节仍请参见第 12 章。

8.11.2. 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 <N>,其中 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,任何需要的词语正规化都必须在转换为 tsquery 类型之前完成。to_tsquery 函数很适合用来实现这种正规化:

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postgraduate 词干化后的形式。

报告文档问题

阅读 上游文档. 反馈更正前请先核对 当前版本手册.