# 8.11\. 文本搜索类型 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。[Chapter 12](#calibre_link-426) 中说明了这两个类型，同时[Section 9.13](#calibre_link-1137) 总结了相关的函数和操作符。 ## 8.11.1\. `tsvector` `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[Chapter 12](#calibre_link-426)）。 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[Chapter 12](#calibre_link-426)。 ## 8.11.2\. `tsquery` `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' ```