【PostgreSQL】从零开始:（二十六）数据类型-文本搜索类型

文本搜索类型

文本搜索类型是根据搜索引擎的不同功能和特点，可以分为以下几种类型：

• 精确搜索：用户的搜索关键词必须完全匹配文本中的某个词或短语。搜索引擎会返回与搜索词完全- 匹配的结果。
• 模糊搜索：用户的搜索关键词可以与文本中的词或短语部分匹配。搜索引擎会返回与搜索词部分匹配的结果。
• 高级搜索：搜索引擎提供了更多的搜索选项和过滤器，让用户可以根据自己的需求进一步细化搜索结果。例如，用户可以按日期、文件类型、作者等进行搜索。
• 布尔搜索：用户可以使用布尔运算符（如AND、OR、NOT）来组合多个搜索关键词，并进行逻辑运算。这样可以更精确地控制搜索结果。
• 相似搜索：搜索引擎会根据用户的搜索关键词推荐与其相似或相关的内容。这种搜索方式通常基于文本相似性、主题相似性或用户偏好等算法。
• 排名搜索：搜索引擎会根据某种算法对搜索结果进行排序，将最相关或最优质的结果排在前面。用户可以根据搜索引擎的排名信息来选择最适合自己的结果。

这些搜索类型通常可以根据搜索引擎的功能和用户需求进行组合和调整，以提供更准确和有用的搜索结果。

PostgreSQL 文本搜索类型

PostgreSQL提供了几种文本搜索类型来处理不同类型的文本数据。PostgreSQL中常用的文本搜索类型有:

• tsvector:此数据类型以词素(单词)的排序列表及其位置和其他元数据的形式表示文档。它用于在PostgreSQL中构建全文搜索索引。
  tsvector值是不同词素的排序列表，这些词素是经过规范化以合并同一单词的不同变体的单词（排序和重复消除在输入过程中自动完成，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'

要表示包含空格或标点符号的词素，请用引号将它们括起来：

SELECT $$the lexeme '    ' contains spaces$$::tsvector;
                 tsvector
-------------------------------------------
 '    ' 'contains' 'lexeme' 'spaces' 'the'

（在此示例和下一个示例中，我们使用以美元引号引号的字符串文本，以避免在文本中使用双引号的混淆。嵌入的引号和反斜杠必须加倍：

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

位置通常表示源单词在文档中的位置。位置信息可用于邻近度排名。位置值的范围可以从 1 到 16383;较大的数字以静默方式设置为 16383。同一词素的重复位置将被丢弃。

具有位置的词素可以进一步用权重进行标记，权重可以是 A、B 、C 或D 。D 是默认值，因此不会显示在输出中：

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tsvector，将标题词与正文词区分开来。文本搜索排名函数可以为不同的权重标记分配不同的优先级。

重要的是要了解类型本身不执行任何单词规范化;它假定它给出的单词已针对应用程序进行了适当的规范化。例如

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

对于大多数英语文本搜索应用程序，上述单词将被视为非规范化，但tsvector并不在乎。通常应传递原始文档文本，以适当地规范化单词以to_tsvector进行搜索：

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

• tsquery:此数据类型表示用于全文搜索的搜索查询。它允许您指定搜索词、操作符和其他参数，以便从全文索引检索匹配的文档。
  值存储要搜索的词素，并可以使用布尔运算符 （AND）、（OR） 和 （NOT） 以及短语搜索运算符 （FOLLOWED BY） 将它们组合在一起。还有一个 FOLLOWED BY 运算符的变体，其中 N 是一个整数常量，用于指定要搜索的两个词素之间的距离。 等同于 。tsquery&|!<-><-><1>
  括号可用于强制对这些运算符进行分组。在没有括号的情况下，（NOT）结合最紧密，（FOLLOWED BY）紧随其后，然后是（AND），（OR）结合最不紧密。!<->&|

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）tsquery和tsvector都可以用一个或多个权重字母标记 a 中的词素，这限制它们只能匹配具有以下权重之一的词素：

SELECT 'fat:ab & cat'::tsquery;
    tsquery
------------------
 'fat':AB & 'cat'

此外，可以标记 a 中的词素以指定前缀匹配：tsquery*

SELECT 'super:*'::tsquery;
  tsquery
-----------
 'super':*

此查询将匹配 a 中以“super”开头的任何单词。
tsvector词素的引用规则与前面描述的词素相同;并且，tsvector与 一样，tsquery在转换为类型之前，必须完成任何必需的单词规范化。to_tsquery函数便于执行此类规范化：

SELECT to_tsquery('Fat:ab & Cats');
    to_tsquery
------------------
 'fat':AB & 'cat'

请注意，to_tsquery将以与其他单词相同的方式处理前缀，这意味着此比较返回 true：

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

因为被postgres派生到postgr：

SELECT to_tsvector( 'postgraduate' ), to_tsquery( 'postgres:*' );
  to_tsvector  | to_tsquery
---------------+------------
 'postgradu':1 | 'postgr':*

• tsquery[]:这是一个tsquery类型的数组，用于通过组合数组中的多个搜索词和操作符来执行复杂的全文搜索。
• tsvector[]:这是一个tsvector类型的数组，用于存储用于全文索引和搜索的多个文档向量。
• tsquery_rewrite:该数据类型表示查询重写规则，用于在搜索前修改查询。它允许您定义用于修改搜索查询的自定义规则，例如展开缩写或规范化同义词。
• tsvector_update_trigger:这个触发器函数用于在底层文本列被修改时自动更新tsvector列。它通常用于全文搜索应用程序，以使搜索索引随文档更改保持最新。

这些文本搜索类型提供了在PostgreSQL中构建和查询全文搜索索引所需的工具，允许您在大量文本数据上执行高效的文本搜索。