选择 打开 改范围 完整检索页

pgsql.cc 提供对 postgresql.org 官网内容的中文翻译,由 Pigsty 团队维护。

受支持版本: 当前版本 (18) / 17 / 16 / 15 / 14
测试与开发版本: 19 / devel
不受支持的版本: 13 / 12 / 11 / 10 / 9.6 / 9.5 / 9.4 / 9.3 / 9.2 / 9.1 / 9.0
历史版本PostgreSQL 9.3 已于 2018 年 11 月结束社区维护,本页译文保留供仍在使用旧版本的读者参考。新系统请看当前版本

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 ABCDD 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,并按照布尔操作符 &(AND)、|(OR)和 !(NOT)把它们组合起来。可以使用圆括号强制指定 这些操作符的分组方式:

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'

若没有圆括号,!(NOT)的绑定最紧,而 &(AND)比 |(OR)绑定得更紧。

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 tsvector 中带有相应权重的词位:

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。请注意,前缀会先由文本搜索配置处理, 这意味着下面的比较会返回真:

SELECT to_tsvector( 'postgraduate' ) @@ to_tsquery( 'postgres:*' );
 ?column?
----------
 t
(1 row)

因为 postgres 会被词干化为 postgr

SELECT to_tsquery('postgres:*');
 to_tsquery
------------
 'postgr':*
(1 row)

它随后就能匹配 postgraduate

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'

提交更正

译文有误、术语不当或页面显示问题,请到译文仓库 pgsty/pgdoc 报告译文问题。 英文原文本身的问题,请在当前版本的对应页面向上游反馈;上游不再修订已结束维护的版本。