12.8. 测试和调试文本搜索 · PostgreSQL 中文文档 9.3

# 12.8\. 测试和调试文本搜索一个自定义文本搜索配置的行为很容易变得混乱。在本节中描述的函数对测试文本搜索对象是有用的。你可以测试一个完整的配置，或分别测试分析器和词典。 ## 12.8.1\. 配置测试函数`ts_debug`允许简单测试文本搜索配置。 ``` ts_debug([ `_config_` `regconfig`, ] _document_ text, OUT _alias_ text, OUT _description_ text, OUT _token_ text, OUT _dictionaries_ regdictionary[], OUT _dictionary_ regdictionary, OUT _lexemes_ text[]) returns setof record ``` `ts_debug`显示关于通过解析器产生的和通过配置词典处理的`_document_`的每个标记的信息。如果忽略参数，它使用通过`_config_`或者`default_text_search_config`指定的配置。 `ts_debug`返回通过文本解析器标识的每个标记的每一行，返回的列是： * `_alias_` `text` —标记类型的别名 * `_description_` `text` —标记类型描述 * `_token_` `text` —标记文本 * `_dictionaries_` `regdictionary[]` —通过配置为这个标记类型选定的词典 * `_dictionary_` `regdictionary` —词典公认的标记，如果不这样，则为`空`。 * `_lexemes_` `text[]` — 公认标记的词典产生的词（s），或者如果不做则为`NULL`；空数组（`{}`）意味着它是公认的屏蔽词。一个简单例子： ``` SELECT * FROM ts_debug('english','a fat cat sat on a mat - it ate a fat rats'); alias | description | token | dictionaries | dictionary | lexemes -----------+-----------------+-------+----------------+--------------+--------- asciiword | Word, all ASCII | a | {english_stem} | english_stem | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | fat | {english_stem} | english_stem | {fat} blank | Space symbols | | {} | | asciiword | Word, all ASCII | cat | {english_stem} | english_stem | {cat} blank | Space symbols | | {} | | asciiword | Word, all ASCII | sat | {english_stem} | english_stem | {sat} blank | Space symbols | | {} | | asciiword | Word, all ASCII | on | {english_stem} | english_stem | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | a | {english_stem} | english_stem | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | mat | {english_stem} | english_stem | {mat} blank | Space symbols | | {} | | blank | Space symbols | - | {} | | asciiword | Word, all ASCII | it | {english_stem} | english_stem | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | ate | {english_stem} | english_stem | {ate} blank | Space symbols | | {} | | asciiword | Word, all ASCII | a | {english_stem} | english_stem | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | fat | {english_stem} | english_stem | {fat} blank | Space symbols | | {} | | asciiword | Word, all ASCII | rats | {english_stem} | english_stem | {rat} ``` 一个更广泛的例子，我们首先用英语创建一个 `public.english`配置和Ispell词典： ``` CREATE TEXT SEARCH CONFIGURATION public.english ( COPY = pg_catalog.english ); CREATE TEXT SEARCH DICTIONARY english_ispell ( TEMPLATE = ispell, DictFile = english, AffFile = english, StopWords = english ); ALTER TEXT SEARCH CONFIGURATION public.english ALTER MAPPING FOR asciiword WITH english_ispell, english_stem; ``` ``` SELECT * FROM ts_debug('public.english','The Brightest supernovaes'); alias | description | token | dictionaries | dictionary | lexemes -----------+-----------------+-------------+-------------------------------+----------------+------------- asciiword | Word, all ASCII | The | {english_ispell,english_stem} | english_ispell | {} blank | Space symbols | | {} | | asciiword | Word, all ASCII | Brightest | {english_ispell,english_stem} | english_ispell | {bright} blank | Space symbols | | {} | | asciiword | Word, all ASCII | supernovaes | {english_ispell,english_stem} | english_stem | {supernova} ``` 在这个例子中，`Brightest`是由解析器作为`ASCII词`来标识（别名`asciiword`）。为这个标识类型，词典列表是`english_ispell`和`english_stem`。这个词通过`english_ispell`标识，归纳它为名词`bright`。词`supernovaes`于`english_ispell`词典是未知的，所以它传递给下一个词典，幸运的是，是公认的（事实上，`english_stem`是一个识别一切的Snowball词典；这就是为什么它被放置在词典列表末尾的原因）。词`The`是由 `english_ispell`词典被公认为屏蔽词（节[Section 12.6.1](#calibre_link-1118)），不会被索引。空间也被丢弃，因为该配置根本没有为它们提供词典。你可以通过明确指定你想要查看的列减少输出的宽度： ``` SELECT alias, token, dictionary, lexemes FROM ts_debug('public.english','The Brightest supernovaes'); alias | token | dictionary | lexemes -----------+-------------+----------------+------------- asciiword | The | english_ispell | {} blank | | | asciiword | Brightest | english_ispell | {bright} blank | | | asciiword | supernovaes | english_stem | {supernova} ``` ## 12.8.2\. 解析器测试下列函数允许直接测试文本搜索解析器。 ``` ts_parse(_parser_name_ text, _document_ text, OUT _tokid_ integer, OUT _token_ text) returns setof record ts_parse(_parser_oid_ oid, _document_ text, OUT _tokid_ integer, OUT _token_ text) returns setof record ``` `ts_parse`解析给定的`_document_`并返回一系列的记录，每一个标记通过解析而产生。每个记录包括`tokid`显示已分配的标记类型，并且`token`是标记的文本。比如： ``` SELECT * FROM ts_parse('default', '123 - a number'); tokid | token -------+-------- 22 | 123 12 | 12 | - 1 | a 12 | 1 | number ``` ``` ts_token_type(_parser_name_ text, OUT _tokid_ integer, OUT _alias_ text, OUT _description_ text) returns setof record ts_token_type(_parser_oid_ oid, OUT _tokid_ integer, OUT _alias_ text, OUT _description_ text) returns setof record ``` `ts_token_type`返回一个表，这个表描述了每种可以识别的指定分析器标记类型。每个标记类型，该表给出了整数`tokid`，解析器用于标记那个类型标记，`alias`命名配置命令的标记类型，并且简称`description`。比如： ``` SELECT * FROM ts_token_type('default'); tokid | alias | description -------+-----------------+------------------------------------------ 1 | asciiword | Word, all ASCII 2 | word | Word, all letters 3 | numword | Word, letters and digits 4 | email | Email address 5 | url | URL 6 | host | Host 7 | sfloat | Scientific notation 8 | version | Version number 9 | hword_numpart | Hyphenated word part, letters and digits 10 | hword_part | Hyphenated word part, all letters 11 | hword_asciipart | Hyphenated word part, all ASCII 12 | blank | Space symbols 13 | tag | XML tag 14 | protocol | Protocol head 15 | numhword | Hyphenated word, letters and digits 16 | asciihword | Hyphenated word, all ASCII 17 | hword | Hyphenated word, all letters 18 | url_path | URL path 19 | file | File or path name 20 | float | Decimal notation 21 | int | Signed integer 22 | uint | Unsigned integer 23 | entity | XML entity ``` ## 12.8.3\. 词典测试 `ts_lexize`函数有易于进行词典测试。 ``` ts_lexize(_dict_ regdictionary, _token_ text) returns text[] ``` 如果输入`_token_`为词典已知的，那么`ts_lexize`返回词的数组，如果这个token对词典是已知的，但它是一个屏蔽词，则返回空数组。如果它是一个未知的词则返回`NULL`。比如： ``` SELECT ts_lexize('english_stem', 'stars'); ts_lexize ----------- {star} SELECT ts_lexize('english_stem', 'a'); ts_lexize ----------- {} ``` > **Note:** `ts_lexize`函数需要单一_标记_，没有文本。这是一种引起混淆的情况： > > ``` > SELECT ts_lexize('thesaurus_astro','supernovae stars') is null; > ?column? > ---------- > t > ``` > > 同义词词典`thesaurus_astro`确实知道短语`supernovae stars`，但`ts_lexize`失败了，因为它不解析输入文本，而是把它作为一个单一标记。使用`plainto_tsquery`或者`to_tsvector`测试同义词词典，例如： > > ``` > SELECT plainto_tsquery('supernovae stars'); > plainto_tsquery > ----------------- > 'sn' > ```