array_to_tsvector ( text[] )
→ tsvector
把一个文本字符串数组转换为
tsvector。
给定的字符串被原样用作词位，
不做进一步处理。
数组元素不得为空字符串或
NULL。
array_to_tsvector('{fat,cat,rat}'::text[])
→ 'cat' 'fat' 'rat'
|
get_current_ts_config ( )
→ regconfig
返回当前默认文本检索配置的 OID
（由
default_text_search_config
设置）。
get_current_ts_config()
→ english
|
length ( tsvector )
→ integer
返回
tsvector
中的词位数量。
length('fat:2,4 cat:3 rat:5A'::tsvector)
→ 3
|
numnode ( tsquery )
→ integer
返回
tsquery
中的词位加操作符的数量。
numnode('(fat & rat) | cat'::tsquery)
→ 5
|
plainto_tsquery (
[ config regconfig, ]
query text )
→ tsquery
把文本转换为一个
tsquery，
按照指定的或默认的配置对词进行规范化。
字符串中的任何标点都会被忽略
（它不决定查询操作符）。
得到的查询匹配包含文本中所有非停用词的文档。
plainto_tsquery('english', 'The Fat Rats')
→ 'fat' & 'rat'
|
phraseto_tsquery (
[ config regconfig, ]
query text )
→ tsquery
把文本转换为一个
tsquery，
按照指定的或默认的配置对词进行规范化。
字符串中的任何标点都会被忽略
（它不决定查询操作符）。
得到的查询匹配包含文本中所有非停用词的短语。
phraseto_tsquery('english', 'The Fat Rats')
→ 'fat' <-> 'rat'
phraseto_tsquery('english', 'The Cat and Rats')
→ 'cat' <2> 'rat'
|
websearch_to_tsquery (
[ config regconfig, ]
query text )
→ tsquery
把文本转换为一个
tsquery，
按照指定的或默认的配置对词进行规范化。
带引号的词序列会被转换为短语测试。
词 “or”
被理解为产生一个 OR
操作符，
破折号产生一个 NOT
操作符；
其他标点会被忽略。
这近似于一些常见网络搜索工具的行为。
websearch_to_tsquery('english', '"fat rat" or cat dog')
→ 'fat' <-> 'rat' | 'cat' & 'dog'
|
querytree ( tsquery )
→ text
产生一个
tsquery
可索引部分的表示。
结果为空或只是
T
表示一个不可索引的查询。
querytree('foo & ! bar'::tsquery)
→ 'foo'
|
setweight ( vector tsvector, weight "char" )
→ tsvector
把指定的
weight
赋给
vector
的每个元素。
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
把指定的
weight
赋给
vector
中列于
lexemes
的元素。
lexemes
中的字符串被原样当作词位，
不做进一步处理。
与
vector
中任何词位都不匹配的字符串会被忽略。
setweight('fat:2,4 cat:3 rat:5,6B'::tsvector, 'A', '{cat,rat}')
→ 'cat':3A 'fat':2,4 'rat':5A,6A
|
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
把文本转换为一个
tsquery，
按照指定的或默认的配置对词进行规范化。
这些词必须用有效的
tsquery
操作符组合。
to_tsquery('english', 'The & Fat & Rats')
→ 'fat' & 'rat'
|
to_tsvector (
[ config regconfig, ]
document text )
→ tsvector
把文本转换为一个
tsvector，
按照指定的或默认的配置对词进行规范化。
结果中包含位置信息。
to_tsvector('english', 'The Fat Rats')
→ 'fat':2 'rat':3
|
to_tsvector (
[ config regconfig, ]
document json )
→ tsvector
to_tsvector (
[ config regconfig, ]
document jsonb )
→ tsvector
把 JSON
文档中的每个字符串值转换为
tsvector，
按照指定的或默认的配置对词进行规范化。
结果随后按文档顺序串接以产生输出。
位置信息的生成方式是，
在每对字符串值之间仿佛存在一个停用词。
（注意，
当输入为
jsonb
时，
JSON 对象字段的
“文档顺序”取决于实现；
请观察例子中的差别。）
to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::json)
→ 'dog':5 'fat':2 'rat':3
to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::jsonb)
→ 'dog':1 'fat':4 'rat':5
|
json_to_tsvector (
[ config regconfig, ]
document json,
filter jsonb )
→ tsvector
jsonb_to_tsvector (
[ config regconfig, ]
document jsonb,
filter jsonb )
→ tsvector
选择 JSON
文档中由
filter
请求的每个项，
并把每一项转换为
tsvector，
按照指定的或默认的配置对词进行规范化。
结果随后按文档顺序串接以产生输出。
位置信息的生成方式是，
在每对被选择的项之间仿佛存在一个停用词。
（注意，
当输入为
jsonb
时，
JSON 对象字段的
“文档顺序”取决于实现。）
filter
必须是一个
jsonb
数组，
其中包含零个或多个以下关键字：
"string"
（包含所有字符串值）、
"numeric"
（包含所有数值）、
"boolean"
（包含所有布尔值）、
"key"
（包含所有键）
或
"all"
（包含以上全部）。
作为一个特例，
filter
也可以是作为这些关键字之一的简单 JSON
值。
json_to_tsvector('english', '{"a": "The Fat Rats", "b": 123}'::json, '["string", "numeric"]')
→ '123':5 'fat':2 'rat':3
json_to_tsvector('english', '{"cat": "The Fat Rats", "dog": 123}'::json, '"all"')
→ '123':9 'cat':1 'dog':7 'fat':4 'rat':5
|
ts_delete ( vector tsvector, lexeme text )
→ tsvector
从
vector
中移除给定
lexeme
的任何出现。
lexeme
字符串被原样当作词位，
不做进一步处理。
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。
lexemes
中的字符串被原样当作词位，
不做进一步处理。
与
vector
中任何词位都不匹配的字符串会被忽略。
ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, ARRAY['fat','rat'])
→ 'cat':3
|
ts_filter ( vector tsvector, weights "char"[] )
→ tsvector
从
vector
中只选择具有给定
weights
的元素。
ts_filter('fat:2,4 cat:3b,7c rat:5A'::tsvector, '{a,b}')
→ 'cat':3B 'rat':5A
|
ts_headline (
[ config regconfig, ]
document text,
query tsquery
[, options text ] )
→ text
以缩写的形式显示
query
在
document
中的匹配，
该文档必须是原始文本，
而非
tsvector。
在与查询匹配之前，
文档中的词会按照指定的或默认的配置规范化。
这个函数的使用在
Section 12.3.4
中讨论，
那里还描述了可用的
options。
ts_headline('The fat cat ate the rat.', 'cat')
→ The fat <b>cat</b> ate the rat.
|
ts_headline (
[ config regconfig, ]
document json,
query tsquery
[, options text ] )
→ text
ts_headline (
[ config regconfig, ]
document jsonb,
query tsquery
[, options text ] )
→ text
以缩写的形式显示 JSON
document
内字符串值中出现的与
query
的匹配。
更多细节请参见
Section 12.3.4。
ts_headline('{"cat":"raining cats and dogs"}'::jsonb, 'cat')
→ {"cat": "raining <b>cats</b> and dogs"}
|
ts_rank (
[ weights real[], ]
vector tsvector,
query tsquery
[, normalization integer ] )
→ real
计算一个表示
vector
与
query
匹配程度的分数。
细节请参见
Section 12.3.3。
ts_rank(to_tsvector('raining cats and dogs'), 'cat')
→ 0.06079271
|
ts_rank_cd (
[ weights real[], ]
vector tsvector,
query tsquery
[, normalization integer ] )
→ real
使用覆盖密度算法计算一个表示
vector
与
query
匹配程度的分数。
细节请参见
Section 12.3.3。
ts_rank_cd(to_tsvector('raining cats and dogs'), 'cat')
→ 0.1
|
ts_rewrite ( query tsquery,
target tsquery,
substitute tsquery )
→ tsquery
在
query
内把出现的
target
替换为
substitute。
细节请参见
Section 12.4.2.1。
ts_rewrite('a & b'::tsquery, 'a'::tsquery, 'foo|bar'::tsquery)
→ 'b' & ( 'foo' | 'bar' )
|
ts_rewrite ( query tsquery,
select text )
→ tsquery
根据执行一条
SELECT
命令得到的目标和替换，
替换
query
的若干部分。
细节请参见
Section 12.4.2.1。
SELECT ts_rewrite('a & b'::tsquery, 'SELECT t,s FROM aliases')
→ 'b' & ( 'foo' | 'bar' )
|
tsquery_phrase ( query1 tsquery, query2 tsquery )
→ tsquery
构造一个短语查询，
搜索
query1 和
query2
在相继词位上的匹配
（与
<->
操作符相同）。
tsquery_phrase(to_tsquery('fat'), to_tsquery('cat'))
→ 'fat' <-> 'cat'
|
tsquery_phrase ( query1 tsquery, query2 tsquery, distance integer )
→ tsquery
构造一个短语查询，
搜索
query1 和
query2
恰好相隔
distance
个词位的匹配。
tsquery_phrase(to_tsquery('fat'), to_tsquery('cat'), 10)
→ 'fat' <10> 'cat'
|
tsvector_to_array ( tsvector )
→ text[]
把一个
tsvector
转换为一个词位数组。
tsvector_to_array('fat:2,4 cat:3 rat:5A'::tsvector)
→ {cat,fat,rat}
|
unnest ( tsvector )
→ setof record
( lexeme text,
positions smallint[],
weights text )
把一个
tsvector
展开为一组行，
每个词位一行。
select * from unnest('cat:3 fat:2,4 rat:5A'::tsvector)
→
lexeme | positions | weights
--------+-----------+---------
cat | {3} | {D}
fat | {2,4} | {D,D}
rat | {5} | {A}
|