PostgreSQL 9.4.4 中文手册 | |||
---|---|---|---|
上一页 | 上一级 | 章 8. 数据类型 | 下一页 |
PostgreSQL提供了两种数据类型用于支持全文检索, 即通过自然语言documents的集合来找到那些匹配一个query 的检索。tsvector类型产生一个文档(以优化了全文检索的形式), tsquery类型用于代表查询。第 12 章 中说明了这两个类型,同时第 9.13 节 总结了相关的函数和操作符。
tsvector的值是一个无重复值的lexemes排序列表, 即一些同一个词的不同变种的标准化 (可参阅第 12 章)。 在输入的同时会自动排序和消除重复,如:
SELECT 'a fat cat sat on a mat and ate a fat rat'::tsvector; tsvector ---------------------------------------------------- 'a' 'and' 'ate' 'cat' 'fat' 'mat' 'on' 'rat' 'sat'
为了包含空格或标点符号,可以用引号标记:
SELECT $$the lexeme ' ' contains spaces$$::tsvector; tsvector ------------------------------------------- ' ' 'contains' 'lexeme' 'spaces' 'the'
(在这个例子中,我们使用了双引号美元字符串文本, 下一个例子是为了避免文本中双引号的混淆。)枚举的引号和反斜杠必须双倍:
SELECT $$the lexeme 'Joe''s' contains a quote$$::tsvector; tsvector ------------------------------------------------ 'Joe''s' 'a' 'contains' 'lexeme' 'quote' 'the'
可选的,整型positions也可以放到词汇中:
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
位置通常表示文档中的源字的位置。位置信息可以用于proximity ranking。 位置值的范围是1到16383,最大值默认是16383。相同词的重复位会被忽略掉。
拥有位置的词汇甚至可以用一个权来标记,这个权可以是A, B,C或D。 默认的是D,因此输出中不会出现:
SELECT 'a:1A fat:2B,4C cat:5D'::tsvector; tsvector ---------------------------- 'a':1A 'cat':5 'fat':2B,4C
权可以用来反映文档结构,如:标记标题以与主体相区别。 全文检索排序函数可以为不同的权标记来分配不同的优先级。
充分理解tsvector类型不能自己标准化这一点是很重要的, 它假设传递给它的单词对应用程序来说是恰当的标准化了的,如:
select 'The Fat Rats'::tsvector; tsvector -------------------- 'Fat' 'Rats' 'The'
对大多数的英文全文检索应用来说,上面的单词会被认为非规范化的,
但tsvector并不关心这些。原始文件中的文字应该通过to_tsvector
来为检索恰当的规范化这些单词:
SELECT to_tsvector('english', 'The Fat Rats'); to_tsvector ----------------- 'fat':2 'rat':3
详细信息可参阅第 12 章。
tsquery存储用于检索的词汇,并且使用布尔操作符 &(AND),|(OR)和!(NOT) 来组合它们。括号用来强调操作符的分组:
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'
在没有括号的情况下,!(NOT)结合的最紧密, 而&(AND)结合的比|(OR)紧密。
可选的,tsquery中的词汇可以被一个或多个权字母来标记, 这些权字母用来限制它们只能与带有匹配权的tsvector词汇进行匹配。
SELECT 'fat:ab & cat'::tsquery; tsquery ------------------ 'fat':AB & 'cat'
同样,tsquery中的词汇可以用*进行标记来指定前缀匹配:
SELECT 'super:*'::tsquery; tsquery ----------- 'super':*
这个查询可以匹配tsvector中以"super"开始的任意单词。 请注意,前缀首先被文本搜索配置处理,这也就意味着下面的结果为真:
SELECT to_tsvector( 'postgraduate' ) @@ to_tsquery( 'postgres:*' ); ?column? ---------- t (1 row)
因为postgres去掉后面后得到postgr:
SELECT to_tsquery('postgres:*'); to_tsquery ------------ 'postgr':* (1 row)
这样就匹配postgraduate了。
词汇的引用规则与之前tsvector中词汇的描述一样;并且,
与tsvector一样,任何单词必须在转换为tsquery类型前规范化。
to_tsquery
函数可以方便的用来执行规范化。
SELECT to_tsquery('Fat:ab & Cats'); to_tsquery ------------------ 'fat':AB & 'cat'