文本搜索函数
| 函数 | 返回类型 | 描述 | 例子 | 结果 |
|---|---|---|---|---|
| array_to_tsvector(text[]) | tsvector | 把词位数组转换成tsvector | array_to_tsvector(’{fat,cat,rat}’::text[]) | ‘cat’ ‘fat’ ‘rat’ |
| get_current_ts_config() | regconfig | 获得默认文本搜索配置 | get_current_ts_config() | english |
| length(tsvector) | integer | tsvector中的词位数 | length(‘fat:2,4 cat:3 rat:5A’::tsvector) | 3 |
| numnode(tsquery) | integer | tsquery中词位外加操作符的数目 | numnode(’(fat & rat) | cat’::tsquery) | 5 |
| plainto_tsquery([ config regconfig , ] query text) | tsquery | 产生tsquery但忽略标点符号 | plainto_tsquery(‘english’, ‘The Fat Rats’) | ‘fat’ & ‘rat’ |
| phraseto_tsquery([ config regconfig , ] query text) | tsquery | 产生忽略标点搜索短语的tsquery | phraseto_tsquery(‘english’, ‘The Fat Rats’) | ‘fat’ <-> ‘rat’ |
| websearch_to_tsquery([ config regconfig , ] query text) | tsquery | 从一个Web搜索风格的查询产生tsquery | websearch_to_tsquery(‘english’, ‘“fat rat” or rat’) | ‘fat’ <-> ‘rat’ | ‘rat’ |
| querytree(query tsquery) | text | 获得一个tsquery的可索引部分 | querytree(‘foo & ! bar’::tsquery) | ‘foo’ |
| setweight(vector tsvector, weight “char”) | tsvector | 为vector的每一个元素分配权重 | setweight(‘fat:2,4 cat:3 rat:5B’::tsvector, ‘A’) | ‘cat’:3A ‘fat’:2A,4A ‘rat’:5A |
| setweight(vector tsvector, weight “char”, lexemes text[]) | tsvector | 为lexemes中列出的vector的元素分配权重 | setweight(‘fat:2,4 cat:3 rat:5B’::tsvector, ‘A’, ‘{cat,rat}’) | ‘cat’:3A ‘fat’:2,4 ‘rat’:5A |
| strip(tsvector) | tsvector | 从tsvector中移除位置和权重 | strip(‘fat:2,4 cat:3 rat:5A’::tsvector) | ‘cat’ ‘fat’ ‘rat’ |
| to_tsquery([ config regconfig , ] query text) | tsquery | 规范化词并转换成tsquery | to_tsquery(‘english’, ‘The & Fat & Rats’) | ‘fat’ & ‘rat’ |
| to_tsvector([ config regconfig , ] document text) | tsvector | 缩减文档文本成tsvector | to_tsvector(‘english’, ‘The Fat Rats’) | ‘fat’:2 ‘rat’:3 |
| to_tsvector([ config regconfig , ] document json(b)) | tsvector | 把该文档中的每个字符串值缩减成一个tsvector，然后将它们按在文档中的顺序串接起来形成一个tsvector | to_tsvector(‘english’, ‘{“a”: “The Fat Rats”}’::json) | ‘fat’:2 ‘rat’:3 |
| json(b)_to_tsvector([ config regconfig, ] document json(b), filter json(b)) | tsvector | 把filter指定的文档中的每个值缩减为一个tsvector，然后把它们按照文档中的顺序串接起来形成一个tsvector。filter是一个jsonb数组，它列举哪些种类的元素需要被包括在结果tsvector中。 | json_to_tsvector(‘english’, ‘{“a”: “The Fat Rats”, “b”: 123}’::json, ‘[“string”, “numeric”]’) | ‘123’:5 ‘fat’:2 ‘rat’:3 |
| ts_delete(vector tsvector, lexeme text) | tsvector | 从vector中移除给定的lexeme | ts_delete(‘fat:2,4 cat:3 rat:5A’::tsvector, ‘fat’) | ‘cat’:3 ‘rat’:5A |
| ts_delete(vector tsvector, lexemes text[]) | tsvector | 从vector中移除lexemes中词位的任何出现 | ts_delete(‘fat:2,4 cat:3 rat:5A’::tsvector, ARRAY[‘fat’,‘rat’]) | ‘cat’:3 |
| ts_filter(vector tsvector, weights “char”[]) | tsvector | 从vector中只选择带有给定权重的元素 | ts_filter(‘fat:2,4 cat:3b rat:5A’::tsvector, ‘{a,b}’) | ‘cat’:3B ‘rat’:5A |
| ts_headline([ config regconfig, ] document text, query tsquery [, options text ]) | text | 显示一个查询匹配 | ts_headline(‘x y z’, ‘z’::tsquery) | x y z |
| ts_headline([ config regconfig, ] document json(b), query tsquery [, options text ]) | text | 显示一个查询匹配 | ts_headline(’{“a”:“x y z”}’::json, ‘z’::tsquery) | {“a”:“x y z”} |
| ts_rank([ weights float4[], ] vector tsvector, query tsquery [, normalization integer ]) | float4 | 为查询排名文档 | ts_rank(textsearch, query) | 0.818 |
| ts_rank_cd([ weights float4[], ] vector tsvector, query tsquery [, normalization integer ]) | float4 | 使用覆盖密度为查询排名文档 | ts_rank_cd(’{0.1, 0.2, 0.4, 1.0}’, textsearch, query) | 2.01317 |
| ts_rewrite(query tsquery, target tsquery, substitute tsquery) | tsquery | 在查询内用substitute替换target | ts_rewrite(‘a & b’::tsquery, ‘a’::tsquery, ‘foo|bar’::tsquery) | ‘b’ & ( ‘foo’ | ‘bar’ ) |
| ts_rewrite(query tsquery, select text) | tsquery | 使用来自一个SELECT的目标和替换者进行替换 | SELECT ts_rewrite(‘a & b’::tsquery, ‘SELECT t,s FROM aliases’) | ‘b’ & ( ‘foo’ | ‘bar’ ) |
| tsquery_phrase(query1 tsquery, query2 tsquery) | tsquery | 制造搜索后面跟着query2的query1的查询（和<->操作符相同） | tsquery_phrase(to_tsquery(‘fat’), to_tsquery(‘cat’)) | ‘fat’ <-> ‘cat’ |
| tsquery_phrase(query1 tsquery, query2 tsquery, distance integer) | tsquery | 制造查询来搜索在query1后面最大距离distance上跟着query2 的情况 | tsquery_phrase(to_tsquery(‘fat’), to_tsquery(‘cat’), 10) | ‘fat’ <10> ‘cat’ |
| tsvector_to_array(tsvector) | text[] | 把tsvector转换为词位数组 | tsvector_to_array(‘fat:2,4 cat:3 rat:5A’::tsvector) | {cat,fat,rat} |
| tsvector_update_trigger() | trigger | 用于自动tsvector列更新的触发器函数 | CREATE TRIGGER … tsvector_update_trigger(tsvcol, ‘pg_catalog.swedish’, title, body) | |
| tsvector_update_trigger_column() | trigger | 用于自动tsvector列更新的触发器函数 | CREATE TRIGGER … tsvector_update_trigger_column(tsvcol, configcol, title, body) | |
| unnest(tsvector, OUT lexeme text, OUT positions smallint[], OUT weights text) | setof record | 把一个 tsvector 扩展成一组行 | unnest(‘fat:2,4 cat:3 rat:5A’::tsvector) | (cat,{3},{D}) … |
关于AntDB数据库
电信级核心交易数据库AntDB 数据库始于 2008年，在运营商的核心系统上，为全国 24个省份的 10亿多用户提供在线服务；具备高性能、弹性扩展、高可靠等产品特性，每秒可处理十多万笔核心交易，并保障系统平稳运行超 10年零故障。 AntDB 广泛应用于通信、金融、交通、能源、物联网等多个行业，在 200多个项目上成功落地。
「喜欢这篇文章，您的关注和赞赏是给作者最好的鼓励」
关注作者
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文章的来源（墨天轮），文章链接，文章作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
