问题标签 [tsvector]

我想在 postgres 数据库上创建全文选择查询。例如，我想查找标题为“哈利波特”的所有书籍。如果我只是通过全文搜索来查找 Harry，它会运行得很快。例如

但是，如果我尝试组合一个像哈利波特这样的标题，我的查询就没有时间了（比如一分钟）

我的错误是什么？我还需要这个全文搜索一个或多个单词的组合。

如果存在比在一个查询中组合两个单词更好的解决方案，例如

编辑：发现了一些东西：我的哈利波特的数量约为 110.000 个数据（实际上就像书中的 1 个 mio 数据）。如果我查找例如 Ice Fire，数据库中只有 300 个结果，而且我的查询运行速度非常快。也许它是关于从数据库返回的结果集的问题？我实际上使用限制 100。

我有一个包含大约 1 亿行的表格和一个要搜索的文本字段。我想出了两种方法来做到这一点，我想知道每种方法的性能影响。

方法 1： 这是我在网上看到的每篇博文都推荐的方法（例如1和2。）。这个想法是用一ts_vector列扩充表并索引新列。
一个简单的例子是：

然后使用触发器来确保text和text_tsv列保持最新。
然而，这对我来说似乎很浪费，因为现在TSVECTOR信息必须同时存储在表和索引中，并且数据库变得更加复杂。所以我想出了第二种方法。

方法2： 我的想法是去掉多余的列，直接把索引改成包含to_tsvector函数，像这样：

问题：使用方法 2 比方法 1 有什么缺点吗？

对于我的特定数据库，我使用了第二种方法，并且对于单个单词的简单查询，我似乎获得了合理的加速（搜索大约需要 1 秒）。但是，当我在函数中有多个&和|运算符的复杂查询to_tsquery（并且表中只有约 10 个匹配结果）时，搜索需要永远运行（好几个小时）。如果我切换到方法 1，由于某种原因，我可能会看到更快的查询时间吗？

如果我的查询性能缓慢不是由于我选择了方法 2，我还能做些什么来加快使用 构建的复杂查询to_tsquery吗？

我正在使用 postgresql 10.10。

_search我使用了一些样板代码（如下），它为我指定的所有列（在 中）创建了一个规范化的 tsvector列searchObjects，我希望在这些列上进行全文搜索。

在大多数情况下，这很好。我将它与 Sequelize 结合使用，因此我的查询如下所示：

搜索索引设置：

问题是因为代码连接了每个数组中的两列searchObjects，所以存储的是每个数组中所有列的组合索引。

例如在articles桌子上：'headline', 'cleaned_body', 'summary'都是那个单一生成_search向量的一部分。

正因为如此，我不能真正搜索 ONLYheadline或 ONLYcleaned_body等。我希望能够单独搜索每一列，也可以一起搜索。

用例在我的搜索输入中，我只想在标题上搜索。但是在我的搜索结果页面上，我想搜索searchObjects.

有人可以提示我需要更改的内容吗？我应该为每一列创建一个新的 tsvector 吗？

提供了一种数据类型tsvector用于存储预处理的文档，以及用于表示已处理查询的类型 tsquery

但有时 TSVECTOR 是一个单词数组，有时是一袋单词位置，有时是一个带有位置和权重的复杂向量……我可以访问其数据结构的各个部分吗？例子：

想象一下 TSVECTOR 具有相同的 JSONb 结构访问运算符：我们可以通过WHERE tsv->'foo'->0=1.

在现实生活中：我没有看到（在搜索指南中）执行此操作的tsquery或直接运算符。而且我没有看到（在通用指南中）完整的 TSVECTOR 文档，其中包含对其真实和完整内部结构的技术描述。

我想在包含所有数字的字符串的列上使用 postgres tsquery，如下所示：

如果我尝试用这个做一个 tsquery：

我得到的是：

我希望能够仅通过此值的数字部分进行搜索，如下所示：

似乎它无法匹配这个，因为它将我的连字符解释为“负号”并且认为不239476234匹配-239476234。我如何告诉 postgres 将我的所有字符都视为文本，而不是试图对数字和连字符变得聪明？

我有两个表，其中有来自两个不同来源的数据。每个表的一个字段包含电影的标题，但由于某种我无法控制的原因，标题并不总是完全相同。

所以我使用ts_vector来消除所有细微的差异（停用词、复数等）。

在此处查看示例：http ://sqlfiddle.com/#!17/5ccbc/3

我的问题是如何在ts_vector不考虑数字值的情况下比较两者，而只考虑文本内容。如果我直接比较这两个字段，我只会得到值之间的完全匹配，包括每个单词的位置。我发现的唯一解决方案是使用该strip()函数，从 tsvector 中删除位置和权重，只留下文本内容。

我想知道是否有最快的比较方法ts_vectors。

我正在尝试使用 postgresql 的文本搜索，我使用表的现有两列创建了一个 ts_vector 列，并使用 GIN 索引对该列进行索引。现在，当我查询时，我注意到一个奇怪的行为，当我使用“&”或“|”等运算符时，查询的分数会降低 在 to_tsquery 函数中。

对于 100 万条记录：-

1. 解释 select title, body from xyz ff where search_vector @@ to_tsquery('english', 'apps'); --> 分数在 300 左右
2. 解释 select title, body from xyz ff where search_vector @@ to_tsquery('english', 'apps & apps'); --> 分数在 30 左右

这种行为我无法理解，查询的区别在于使用运算符，如果我将其更改为“应用程序和租户”，那么分数也在 30 左右，但对于单字搜索，分数很高。有人可以解释这种行为及其背后的原因。

提前致谢。

当 Postgres 使用位图堆扫描来评估包含 的 tsquery 时!，它给我的结果与执行 seqscan 时不同。

任何人都可以对此有所了解吗？简单地启用/禁用位图扫描会改变查询结果，这对我来说就像一个错误。有什么解决方法吗？我在下面为我的玩具查询找到了一个（使用NOT），但是对于我拥有的一些复杂的 tsquery 参数，我不确定我是否能做到这一点。

是否可以在 Postgres 中模糊匹配较大字符串中的子字符串？

例子：

对于colour(ou) 的搜索，返回字符串中包含color、colors或的所有记录colour。

我想知道是否可以将两者结合起来fuzzystrmatch，tsvector以便可以将模糊匹配应用于每个矢量化术语？

或者如果有另一种方法？

我创建了这个自定义词典

但是，删除了以下停用词：

这个词否定下一个词，并且在意义方面至关重要。我们如何从停用词列表中删除这个词？