查询我们知道了如何构建一个文档，但我们的目标是搜索文档。我们对tsvector搜索时可以使用@@操作符，使用说明见此处。看几个查询文档的例子。 1 2 3 4 5 6 7 8 9 10 11 12 | > select to_tsvector('If you can dream it, you can do it') @@ 'dream';
?column?
t
(1 row)
> select to_tsvector('It''s kind of fun to do the impossible') @@ 'impossible';
?column?
f
(1 row)
|
第二个查询返回了假，因为我们需要构建一个tsquery，使用@@操作符时，把字符串转型(cast)成了tsquery。下面显示了这种l转型和使用to_tsquery()之间的差别。 1 2 3 4 | SELECT 'impossible'::tsquery, to_tsquery('impossible');
tsquery | to_tsquery
'impossible' | 'imposs'(1 row)
|
但"dream"的词位与它本身相同。 1 2 3 4 | SELECT 'dream'::tsquery, to_tsquery('dream');
tsquery | to_tsquery
'dream' | 'dream'(1 row)
|
从现在开始我们使用to_tsquery查询文档。 1 2 3 4 5 6 | SELECT to_tsvector('It''s kind of fun to do the impossible') @@ to_tsquery('impossible');
?column?
t
(1 row)
|
tsquery存储了要搜索的词位，可以使用&（与）、|（或）和!（非）逻辑操作符。可以使用圆括号给操作符分组。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | > SELECT to_tsvector('If the facts don't fit the theory, change the facts') @@ to_tsquery('! fact');
?column?
----------
f
(1 row)
> SELECT to_tsvector('If the facts don''t fit the theory, change the facts') @@ to_tsquery('theory & !fact');
?column?
----------
f
(1 row)
> SELECT to_tsvector('If the facts don''t fit the theory, change the facts.') @@ to_tsquery('fiction | theory');
?column?
t
(1 row)
|
我们也可以使用：*来表达以某词开始的查询。 1 2 3 4 5 6 | > SELECT to_tsvector('If the facts don''t fit the theory, change the facts.') @@ to_tsquery('theo:*');
?column?
t
(1 row)
|
既然我们知道了怎样使用全文搜索查询了，我们回到开始的表模式，试着查询文档。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | SELECT pid, p_titleFROM (SELECT post.id as pid,
post.title as p_title,
to_tsvector(post.title) ||
to_tsvector(post.content) ||
to_tsvector(author.name) ||
to_tsvector(coalesce(string_agg(tag.name, ' '))) as document
FROM post
JOIN author ON author.id = post.author_id
JOIN posts_tags ON posts_tags.post_id = posts_tags.tag_id
JOIN tag ON tag.id = posts_tags.tag_id
GROUP BY post.id, author.id) p_search WHERE p_search.document @@ to_tsquery('Endangered & Species');
pid | p_title
1 | Endangered species
(1 row)
|
这个查询将找到文档中包含Endangered和Species或接近的词。
语言支持Postgres 内置的文本搜索功能支持多种语言： 丹麦语，荷兰语，英语，芬兰语，法语，德语，匈牙利语，意大利语，挪威语，葡萄牙语，罗马尼亚语，俄语，西班牙语，瑞典语，土耳其语。 1 2 3 4 5 6 7 | SELECT to_tsvector('english', 'We are running');
to_tsvector
'run':3
(1 row)SELECT to_tsvector('french', 'We are running');
to_tsvector
'are':2 'running':3 'we':1
(1 row)
|
基于我们最初的模型，列名可以用来创建tsvector。 假设post表中包含不同语言的内容，且它包含一列language。 1 | ALTER TABLE post ADD language text NOT NULL DEFAULT('english');
|
为了使用language列，现在我们重新编译文档。 1 2 3 4 | SELECT to_tsvector(post.language::regconfig, post.title) ||
to_tsvector(post.language::regconfig, post.content) ||
to_tsvector('simple', author.name) ||
to_tsvector('simple', coalesce((string_agg(tag.name, ' ')), '')) as documentFROM postJOIN author ON author.id = post.author_idJOIN posts_tags ON posts_tags.post_id = posts_tags.tag_idJOIN tag ON tag.id = posts_tags.tag_idGROUP BY post.id, author.id;
|
如果缺少显示的转化符：：regconfig，查询时会产生一个错误： 1 | ERROR: function to_tsvector(text, text) does not exist
|
regconfig是对象标识符类型，它表示Postgres文本搜索配置项。:http://www.postgresql.org/docs/9.3/static/datatype-oid.html 现在，文档的语义会使用post.language中正确的语言进行编译。 我们也使用simple，它也是Postgres提供的一个文本搜索配置项。simple并不忽略禁用词表，它也不会试着去查找单词的词根。使用simple时，空格分割的每一组字符都是一个语义；对于数据来说，simple文本搜索配置项很实用，就像一个人的名字，我们也许不想查找名字的词根。 1 2 3 | SELECT to_tsvector('simple', 'We are running');
to_tsvector
|
重音字符
当你建立一个搜索引擎支持多种语言时你也需要考虑重音问题。在许多语言中重音非常重要,可以改变这个词的含义。Postgres附带一个unaccent扩展去调用 unaccentuate内容是有用处的。
1 2 3 4 | CREATE EXTENSION unaccent;SELECT unaccent('èéêë');
unaccent
eeee
(1 row)
|
让我们添加一些重音的你内容到我们的post表中。
1 2 | INSERT INTO post (id, title, content, author_id, language)
VALUES (4, 'il était une fois', 'il était une fois un hôtel ...', 2,'french')
|
如果我们想要忽略重音在我们建立文档时,之后我们可以简单做到以下几点:
1 2 3 4 | SELECT to_tsvector(post.language, unaccent(post.title)) ||
to_tsvector(post.language, unaccent(post.content)) ||
to_tsvector('simple', unaccent(author.name)) ||
to_tsvector('simple', unaccent(coalesce(string_agg(tag.name, ' '))))JOIN author ON author.id = post.author_idJOIN posts_tags ON posts_tags.post_id = posts_tags.tag_idJOIN tag ON author.id = post.author_idGROUP BY p.id
|
这样工作的话，如果有更多错误的空间它就有点麻烦。 我们还可以建立一个新的文本搜索配置支持无重音的字符。
1 | CREATE TEXT SEARCH CONFIGURATION fr ( COPY = french );ALTER TEXT SEARCH CONFIGURATION fr ALTER MAPPINGFOR hword, hword_part, word WITH unaccent, french_stem;
|
当我们使用这个新的文本搜索配置,我们可以看到词位
1 2 3 4 5 6 7 | SELECT to_tsvector('french', 'il était une fois');
to_tsvector
'fois':4
(1 row)SELECT to_tsvector('fr', 'il était une fois');
to_tsvector
'etait':2 'fois':4
(1 row)
|
这给了我们相同的结果，第一作为应用unaccent并且从结果建立tsvector。
1 2 3 4 | SELECT to_tsvector('french', unaccent('il était une fois'));
to_tsvector
'etait':2 'fois':4
(1 row)
|
词位的数量是不同的,因为il était une在法国是一个无用词。这是一个问题让这些词停止在我们的文件吗?我不这么认为etait不是一个真正的无用词而是拼写错误。
1 2 3 4 | SELECT to_tsvector('fr', 'Hôtel') @@ to_tsquery('hotels') as result;
result
t
(1 row)
|
如果我们为每种语言创建一个无重音的搜索配置,这样我们的post可以写入并且我们保持这个值在post.language的中,然后我们可以保持以前的文档查询。
1 2 3 4 | SELECT to_tsvector(post.language, post.title) ||
to_tsvector(post.language, post.content) ||
to_tsvector('simple', author.name) ||
to_tsvector('simple', coalesce(string_agg(tag.name, ' ')))JOIN author ON author.id = post.author_idJOIN posts_tags ON posts_tags.post_id = posts_tags.tag_idJOIN tag ON author.id = post.author_idGROUP BY p.id
|
如果你需要为每种语言创建无重音的文本搜索配置由Postgres支持,然后你可以使用gist
我们当前的文档大小可能会增加,因为它可以包括无重音的无用词但是我们并没有关注重音字符查询。这可能是有用的如有人用英语键盘搜索法语内容。
|
