Postgres 从 Select 中的列表中查找并返回关键字答案

【问题标题】：Postgres Find and Return Keywords From List Within SelectPostgres 从 Select 中的列表中查找并返回关键字
【发布时间】：2015-12-08 17:38:31
【问题描述】：

我有一个简单的 postgres 表，其中包含一个 cmets（文本）列。在一个视图中，我需要在 cmets 字段中搜索单词列表，然后返回一个以逗号分隔的单词列表，其中包含一列（以及一堆普通列）。

定义的关键字列表包含大约 20 个单词。 IE。苹果、香蕉、梨、桃、李子。

理想的结果是这样的：

id | comments                    | keywords
-----------------------------------------------------
1  | I like bananas!             | bananas
2  | I like apples.              | apples
3  | I don't like fruit          | 
4  | I like apples and bananas!  | apples,bananas

我在想我需要做一个子查询和array_agg？或者可能是“在哪里”。但我不知道如何将它固定在一起。

非常感谢，史蒂夫

【问题讨论】：

你怎么知道关键字是什么，什么不是？
@a_horse_with_no_name 是什么意思？我已经定义了要查找的关键字列表 - 我认为其中大约 20 个。

标签： postgresql search full-text-search keyword-search array-agg

【解决方案1】：

您可以使用全文搜索工具来获得结果：

使用您的单词列表设置新的ispell dictionary。
根据您的字典创建full-text search configuration。不要忘记从配置中删除所有其他字典，因为在您的情况下，所有其他单词实际上都是停用词。

之后当你执行时

select plainto_tsquery('<your config name>', 'I like apples and bananas!')

如果您正确设置字典，您将只获得关键字：'apples' & 'bananas' 甚至是'apple' & 'banana'。

默认情况下，英文配置使用减少词尾的雪球词典，所以如果你运行

select plainto_tsquery('english', 'I like apples and bananas!')

你会得到

'like' & 'appl' & 'banana'

这不完全适合您的情况。

【讨论】：

感谢@TnT - 这非常有帮助。我在这方面取得了不错的进展——但我的单词和其他东西，如数字和未知短语（即 100、晚上 10 点等）都得到了回复。有没有办法忽略除我的单词列表之外的所有内容？
到目前为止我的配置：CREATE TEXT SEARCH CONFIGURATION public.nrw (COPY = pg_catalog.english);创建文本搜索字典 nrw_dict_ispell（模板 = ispell，DictFile = nrw_dict，AffFile = nrw_dict）；更改文本搜索配置 nrw 删除电子邮件、url、url_path、sfloat、float、int 的映射； ALTER TEXT SEARCH CONFIGURATION nrw ALTER MAPPING FOR asciiword, asciihword, hword_asciipart, word, hword, hword_part WITH nrw_dict_ispell;
通过执行 regex_replace 解决了数字问题。一旦数字被删除，关键词就完美地返回了！

【解决方案2】：

另一种更简单的方法（但速度较慢）：

创建字典表：

create table keywords (nm text);

insert into keywords (nm)
values ('apples'), ('bananas');

对您的文本执行以下脚本以提取关键字

select string_agg(regexp_replace(foo, '[^a-zA-Z\-]*', '', 'ig'), ',') s
  from regexp_split_to_table('I like apples and bananas!', E'\\s+') foo 
 where regexp_replace(foo, '[^a-zA-Z\-]*', '', 'ig') in (select nm from keywords)

这个方案在语义上比较差，所以banana和bananas会是不同的关键词。

【讨论】：