12.4. 其他功能

本节介绍在文本搜索中有用的其他功能和运算符。

12 .4.1. 处理文件

Section 12.3.1显示了如何将原始文本文档转换为tsvector值。 PostgreSQL 还提供了可用于处理tsvector形式的文档的函数和运算符。

在矢量形式中使用串联而不是在应用to_tsvector之前串联文本的一个优点是，您可以使用不同的配置来解析文档的不同部分。同样，由于setweight函数以相同的方式标记给定向量的所有词素，因此如果要使用不同的权重标记文档的不同部分，则必须在连接之前分析文本并执行setweight。

请注意，权重标签适用于位置，不适用于词缀。如果 Importing 向量已去除位置，则setweight不执行任何操作。

Table 9.41提供了与tsvector相关的功能的完整列表。

12 .4.2. 操纵查询

Section 12.3.2显示了如何将原始文本查询转换为tsquery值。 PostgreSQL 还提供了可用于处理已经为tsquery形式的查询的函数和运算符。

SELECT to_tsquery('fat') <-> to_tsquery('cat | rat');
             ?column?
-----------------------------------
 'fat' <-> 'cat' | 'fat' <-> 'rat'

SELECT tsquery_phrase(to_tsquery('fat'), to_tsquery('cat'), 10);
  tsquery_phrase
------------------
 'fat' <10> 'cat'

SELECT numnode(plainto_tsquery('the any'));
NOTICE:  query contains only stopword(s) or doesn't contain lexeme(s), ignored
 numnode
---------
       0

SELECT numnode('foo & bar'::tsquery);
 numnode
---------
       3

SELECT querytree(to_tsquery('!defined'));
 querytree
-----------

12 .4.2.1. 查询 Rewrite

ts_rewrite系列函数在给定的tsquery中搜索目标子查询的出现，并用替代子查询替换每个出现。本质上，此操作是tsquery特定版本的子字符串替换。目标和替代组合可以视为查询重写规则。此类重写规则的集合可能是强大的搜索帮助。例如，您可以使用同义词(例如new york，big apple，nyc，gotham)扩展搜索范围，或缩小搜索范围以将用户引导至某个热门 Topic。此功能和同义词词典(Section 12.6.4)在功能上有一些重叠。但是，您可以即时修改一组重写规则而无需重新编制索引，而更新同义词库需要重新编制索引才能有效。

SELECT ts_rewrite('a & b'::tsquery, 'a'::tsquery, 'c'::tsquery);
 ts_rewrite
------------
 'b' & 'c'

CREATE TABLE aliases (t tsquery PRIMARY KEY, s tsquery);
INSERT INTO aliases VALUES('a', 'c');

SELECT ts_rewrite('a & b'::tsquery, 'SELECT t,s FROM aliases');
 ts_rewrite
------------
 'b' & 'c'

请注意，以这种方式应用多个重写规则时，应用的 Sequences 可能很重要。因此在实践中，您将希望源查询ORDER BY一些 Order 密钥。

让我们考虑一个真实的天文学例子。我们将使用表驱动的重写规则来扩展查询supernovae：

CREATE TABLE aliases (t tsquery primary key, s tsquery);
INSERT INTO aliases VALUES(to_tsquery('supernovae'), to_tsquery('supernovae|sn'));

SELECT ts_rewrite(to_tsquery('supernovae & crab'), 'SELECT * FROM aliases');
           ts_rewrite            
---------------------------------
 'crab' & ( 'supernova' | 'sn' )

我们可以通过更新表来更改重写规则：

UPDATE aliases
SET s = to_tsquery('supernovae|sn & !nebulae')
WHERE t = to_tsquery('supernovae');

SELECT ts_rewrite(to_tsquery('supernovae & crab'), 'SELECT * FROM aliases');
                 ts_rewrite                  
---------------------------------------------
 'crab' & ( 'supernova' | 'sn' & !'nebula' )

当存在许多重写规则时，重写会很慢，因为它会检查每个规则是否可能匹配。要过滤掉明显的非候选规则，我们可以对tsquery类型使用包含运算符。在下面的示例中，我们仅选择那些可能与原始查询匹配的规则：

SELECT ts_rewrite('a & b'::tsquery,
                  'SELECT t,s FROM aliases WHERE ''a & b''::tsquery @> t');
 ts_rewrite
------------
 'b' & 'c'

12 .4.3. 自动更新的触发器

当使用单独的列存储文档的tsvector表示形式时，有必要创建触发器以在文档内容列更改时更新tsvector列。为此有两个内置的触发功能，或者您可以编写自己的触发功能。

tsvector_update_trigger(tsvector_column_name, config_name, text_column_name [, ... ])
tsvector_update_trigger_column(tsvector_column_name, config_column_name, text_column_name [, ... ])

这些触发函数在CREATE TRIGGER命令中指定的参数的控制下，自动从一个或多个文本列中计算出tsvector列。其用法的一个示例是：

CREATE TABLE messages (
    title       text,
    body        text,
    tsv         tsvector
);

CREATE TRIGGER tsvectorupdate BEFORE INSERT OR UPDATE
ON messages FOR EACH ROW EXECUTE PROCEDURE
tsvector_update_trigger(tsv, 'pg_catalog.english', title, body);

INSERT INTO messages VALUES('title here', 'the body text is here');

SELECT * FROM messages;
   title    |         body          |            tsv             
------------+-----------------------+----------------------------
 title here | the body text is here | 'bodi':4 'text':5 'titl':1

SELECT title, body FROM messages WHERE tsv @@ to_tsquery('title & body');
   title    |         body          
------------+-----------------------
 title here | the body text is here

创建此触发器后，title或body中的任何更改都将自动反映到tsv中，而应用程序不必担心。

第一个触发器参数必须是要更新的tsvector列的名称。第二个参数指定用于执行转换的文本搜索配置。对于tsvector_update_trigger，配置名称仅作为第二个触发器参数给出。它必须是如上所述的架构限定符，以便触发行为不会随着search_path的改变而改变。对于tsvector_update_trigger_column，第二个触发器参数是另一个表列的名称，该表列的类型必须为regconfig。这允许按行选择配置。其余参数是文本列的名称(类型为text，varchar或char)。这些将按照给定的 Sequences 包含在文档中。 NULL 值将被跳过(但其他列仍将被索引)。

这些内置触发器的局限性在于它们对所有 Importing 列的处理方式相同。要以不同方式处理列(例如，以不同的方式称呼标题)，必须编写自定义触发器。这是一个使用 PL/pgSQL 作为触发语言的示例：

CREATE FUNCTION messages_trigger() RETURNS trigger AS $$
begin
  new.tsv :=
     setweight(to_tsvector('pg_catalog.english', coalesce(new.title,'')), 'A') ||
     setweight(to_tsvector('pg_catalog.english', coalesce(new.body,'')), 'D');
  return new;
end
$$ LANGUAGE plpgsql;

CREATE TRIGGER tsvectorupdate BEFORE INSERT OR UPDATE
    ON messages FOR EACH ROW EXECUTE PROCEDURE messages_trigger();

请记住，在触发器内创建tsvector值时，显式指定配置名称很重要，这样列的内容就不会受到对default_text_search_config的更改的影响。否则，可能会导致诸如转储和重新加载后搜索结果发生更改之类的问题。

12 .4.4. 收集文件统计

ts_stat功能对于检查配置和查找停用词候选很有用。

ts_stat(sqlquery text, [ weights text, ]
        OUT word text, OUT ndoc integer,
        OUT nentry integer) returns setof record

如果提供* weights *，则仅对具有这些权重之一的事件进行计数。

例如，要查找文档集中最常见的十个单词：

SELECT * FROM ts_stat('SELECT vector FROM apod')
ORDER BY nentry DESC, ndoc DESC, word
LIMIT 10;

相同，但只计算权重为A或B的单词出现次数：

SELECT * FROM ts_stat('SELECT vector FROM apod', 'ab')
ORDER BY nentry DESC, ndoc DESC, word
LIMIT 10;
上一章 首页 下一章