如何在 PostgreSQL 全文搜索中搜索带连字符的单词？

Question

我必须搜索带连字符的单词，例如“早安”、“晚安”等。

我的查询是：

select id, ts_headline(content,
                       to_tsquery('english','good-morning'),
                       'HighlightAll=true MaxFragments=100 FragmentDelimiter=$') 
from table 
where ts_content @@ to_tsquery('english','good-morning');

执行此查询时，我还会分别获得“good”和“morning”的结果。但我想要完全匹配的单词和片段。
（因为ts_content我使用相同的默认配置english来创建tsvector.）

如何在 PostgreSQL 全文搜索中搜索此类带连字符的单词？

Answer 1

这里的关键词是短语搜索，它是在Postgres 9.6 中引入的。

使用tsqueryFOLLOWED BY 运算符<->或相关<N>运算符之一。或者更好的是，使用该函数phraseto_tsquery()生成您的tsquery.
引用手册，它...

生成tsquery搜索短语，忽略标点符号

和：

phraseto_tsquery行为很像plainto_tsquery，除了它<->在幸存的单词之间插入(FOLLOWED BY) 运算符而不是&(AND) 运算符。此外，停止词不会被简单地丢弃，而是通过插入<N>运算符而不是<-> 运算符来解决。这个函数在搜索精确的词位序列时很有用，因为 FOLLOWED BY 操作符检查词位顺序而不仅仅是所有词位的存在。

您的查询将如下工作：

select id
     , ts_headline(content, phraseto_tsquery('english', 'good-morning')
                          , 'HighlightAll=true MaxFragments=100 FragmentDelimiter=$') 
from   tbl 
where  ts_content @@ phraseto_tsquery('english','good-morning');

phraseto_tsquery('english', 'good-morning')生成这个tsquery：

'good-morn' <-> 'good' <-> 'morn'

由于“早上好”被标识为asciihword（带连字符的 ASCII 字），因此在成分之前添加了词干完整的字。手册：

解析器可能会从同一段文本中产生重叠的标记。例如，带连字符的单词将作为整个单词和每个组件报告：（后跟示例）

to_tsvector()基本上在另一端做同样的事情，所以一切都匹配。这允许带有连字符的细粒度选项。上面只找到带有连字符的“早上好”（或衍生出相同的变体）。要查找所有带有“good”后跟“morn”的字符串（或衍生为相同的变体），请使用phraseto_tsquery('english','good morning')生成此 tsquery：'good' <-> 'morn'

OTOH，您可以通过添加另一个过滤器来强制精确匹配，例如：

...
AND content ~* 'good-morning'  -- case insensitive regexp match

或者：

...
AND content ILIKE '%good-morning%'

对人眼来说似乎有点多余，但通过这种方式，您可以获得快速的全文索引支持和 精确匹配。

后者大部分是等价的，但不同（较少）的字符在LIKE模式中具有特殊含义，可能需要转义。有关的：

• PostgreSQL：正则表达式转义函数
• PostgreSQL 中 LIKE、SIMILAR TO 或正则表达式的模式匹配

演示运算符的示例<N>：

phraseto_tsquery('english', 'Juliet and the Licks')生成这个tsquery：

'juliet' <3> 'lick'

<3>这意味着lick必须是juliet.之后的第三个词素。