我有一个使用主题标签来帮助标记帖子的应用程序。我正在尝试进行更详细的搜索。
假设我正在搜索的记录之一是：
The #bird flew very far.
当我搜索“flew”、“fle”或“#bird”时，它应该返回记录。
但是，当我搜索“#bir”时，它不应该返回句子，因为正在搜索的整个标签都不匹配。
我也不确定“bird”是否应该返回句子。不过，我也会对如何做到这一点感兴趣。
现在，我有一个非常基本的搜索：
SELECT "posts".* FROM "posts" WHERE (body LIKE '%search%')
有什么想法吗？
【问题讨论】：
# 开头的词进行词干处理，我认为您几乎可以达到您想要的效果。
标签： postgresql search hashtag
您可以使用 LIKE 来执行此操作，但这会相当可怕，正则表达式会在这里为您提供更好的服务。如果你想忽略哈希，那么像这样的简单搜索就可以了：
WHERE body ~ E'\\mbird\M''
这将找到'The bird flew very far.' 和'The #bird flew very far.'。您可能希望在搜索之前删除任何 #s，但如下所示：
WHERE body ~ E'\\m#bird\M''
由于\m and \M 的性质，找不到这些结果中的任何一个。
如果您不想忽略body 中的#s，那么您必须自己扩展和修改\m 和\M 快捷方式，如下所示：
WHERE body ~ E'(^|[^\\w#])#bird($|[^\\w#])'
-- search term goes here^^^^^
使用E'(^|[^\\w#])#bird($|[^\\w#])' 会找到'The #bird flew very far.' 但不会找到'The bird flew very far.' 而E'(^|[^\\w#])bird($|[^\\w#])' 会找到'The bird flew very far.' 但不会找到'The #bird flew very far.'。您可能还想查看\A 而不是^ 和\Z 而不是$，因为有subtle differences 但我认为$ 和^ 会是你想要的。
您应该记住，这些正则表达式搜索（或您的 LIKE 搜索）都不会使用索引，因此您要为大量表扫描和性能问题做好准备，除非您可以使用以下内容限制搜索将使用索引。您可能想查看全文搜索解决方案。
【讨论】：
当文章被插入/更新时，它可能有助于从文本中解析哈希标签并将它们存储在一个名为 say hashtags 的单独列中的数组中。将它们从文章body 中删除，然后将其输入to_tsvector 并将tsvector 存储在表格的列中。然后使用：
WHERE body_tsvector @@ to_tsquery('search') OR 'search' IN hashtags
您可以使用表上的触发器来维护hashtags 列和body_tsvector 的哈希标签剥离，这样应用程序就不必执行这项工作。当条目为 INSERTed 或 UPDATEd 时，将它们从文本中解析出来。
【讨论】：