用全文搜索匹配以前缀结尾的短语答案

【问题标题】：Match a phrase ending in a prefix with full text search用全文搜索匹配以前缀结尾的短语
【发布时间】：2023-03-20 22:13:01
【问题描述】：

我正在寻找一种在 PostgreSQL 中使用 tsvector 来模拟 SELECT * FROM table WHERE attr LIKE '%text%' 之类的方法。

我在不使用字典的情况下创建了一个 tsvector 属性。现在，像 ...

这样的查询

SELECT title
FROM table
WHERE title_tsv @@ plainto_tsquery('ph:*');

... 将返回所有标题，如“Physics”、“PHP”等。但是我如何创建一个查询来返回标题以“Zend Fram”开头的所有记录（例如应该返回“Zend Framework”） ')?

当然，我可以使用类似的东西：

SELECT title
FROM table
WHERE title_tsv @@ to_tsquery('zend')
AND   title_tsv @@ to_tsquery('fram:*');

但是，这似乎有点尴尬。

所以，问题是：有没有一种方法可以使用类似的方式来制定上面给出的查询：

SELECT title
FROM table
WHERE title_tsv @@ to_tsquery('zend fram:*');

【问题讨论】：

短语搜索是您旧问题的答案吗？

标签： postgresql full-text-search pattern-matching tsvector

【解决方案1】：

Postgres 9.6 为全文搜索引入了短语搜索功能。所以现在可以了：

SELECT title
FROM  tbl
WHERE title_tsv @@ to_tsquery('zend <-> fram:*');

<-> being the FOLLOWED BY operator.

找到'foo Zend framework bar'或'Zend frames'，但是not 'foo Zend没有framework bar '.

引用release notes for Postgres 9.6:

可以使用新的在 tsquery 输入中指定短语搜索查询运营商 <-> 和 <N>。前者意味着之前的词位和在它必须按该顺序彼此相邻出现之后。后者意味着它们必须是完全分开的N 词位。

为了获得最佳性能支持使用 GIN 索引的查询：

CREATE INDEX tbl_title_tsv_idx ON tbl USING GIN (title_tsv);

或者根本不将title_tsv 存储在表中（使其膨胀并使写入复杂化）。您可以改用表达式索引：

CREATE INDEX tbl_title_tsv_idx ON tbl USING GIN (to_tsvector('english', title));

您需要指定文本搜索配置（通常是特定于语言的）以使表达式不可变。并相应地调整查询：

...
WHERE to_tsvector('english', title) @@ to_tsquery('english', 'zend <-> fram:*');

【讨论】：

在some cases 中，您可能希望保留 tsvector 字段（而不是使用表达式索引。）
@DharmaTurtle：非常有用的补充！

【解决方案2】：

不是一个很好的解决方案，但它应该可以完成工作：

psql=# SELECT regexp_replace(cast(plainto_tsquery('Zend Fram') as text), E'(\'\\w+\')', E'\\1:*', 'g') ;
   regexp_replace    
---------------------
 'zend':* & 'fram':*
(1 row)

可以这样使用：

psql=# SELECT title FROM table WHERE title_tsv(title) @@ to_tsquery(regexp_replace(cast(plainto_tsquery('Zend Fram') as text), E'(\'\\w+\')', E'\\1:*', 'g'));

这是如何工作的：

将纯 tsquery 转换为字符串：cast(plainto_tsquery('Zend Fram') as text)
使用正则表达式将:*前缀匹配器附加到每个搜索词：regexp_replace(..., E'(\'\\w+\')', E'\\1:*', 'g')
将其转换回非普通 tsquery。 to_tsquery(...)
并在搜索表达式中使用它SELECT title FROM table WHERE title_tsv(title) @@ ...

【讨论】：

丑，但我喜欢！穷人的前缀搜索。可耻的 trigram GIN 索引不能直接应用于 tsvector 列
或者，您可以将整个查询与to_tsquery(CONCAT(CAST(plainto_tsquery('Zend Fram') as text), ':*')) 匹配。它没有那么丑。

【解决方案3】：

在 Postgres 中有一种方法可以使用 trigrams 和 Gin/Gist 索引。在 Kristo Kaiv 的这篇文章中，有一个简单的例子，但有一些粗糙的边缘：Substring Search。

【讨论】：

【解决方案4】：

SELECT title
FROM table
WHERE title_tsv @@ to_tsquery('zend') and
title_tsv @@ to_tsquery('fram:*')

相当于：

SELECT title
FROM table
WHERE title_tsv @@ to_tsquery('zend & fram:*')

但当然也会发现“Zend 没有框架”。

您当然可以在 tsquery 匹配之后表达一个正则表达式与 title 匹配，但是您必须使用 explain analyze 来确保它是在 tsquery 之后而不是之前执行的。

【讨论】：