在 PostgreSQL 中搜索句子的确切部分答案

【问题标题】：Search for an exact part of sentence in PostgreSQL在 PostgreSQL 中搜索句子的确切部分
【发布时间】：2020-04-02 16:51:12
【问题描述】：

我有一个 PostgreSQL 数据库表，其中的行包含一些句子/文本段落。

假设有三个记录（无意义，仅举例）：

1) A dancing fox ran across the road.
2) I like dancing foxtrot.
3) These animals are foxes.

我想搜索“dancing fox”，我希望它只返回“record 1”。

但是，当我使用通配符 %dancing fox% LIKE 语法时，我将检索记录 1 和 2。

我预计 ts_vector 可能是一个解决方案，但该项目使用更多语言环境（问题 1），我不希望它与第三条记录匹配 - 我不想要真正的全文（问题 2）。

请问您建议使用什么？或者您有任何经验或资源链接如何处理问题 1 和 2？

我知道我的问题很令人困惑，所以感谢您的耐心等待。也许我只需要被推向正确的方向。

【问题讨论】：

【解决方案1】：

您可以使用正则表达式来做到这一点。

单词边界\y 派上用场：除了分隔单词的空格之外，可能还有其他字符。

where mycol ~ '\ydancing fox\y'

As explained in the documentation：\y 仅匹配单词的开头或结尾。

【讨论】：

【解决方案2】：

您可以添加分隔符：

where concat(' ', col, ' ') like '% dancing fox %'

【讨论】：

【解决方案3】：

您可以使用带有“简单”配置的全文搜索来避免特定语言的词干和停用词，并使用短语匹配运算符来维护词序和间距。

select * from foo 
    where to_tsvector('simple',x)  @@ phraseto_tsquery('simple','dancing fox');

您说您不想匹配第 3 个示例，但不清楚为什么它首先会这样做，即使您使用的是 'english' 和 plainto_tsquery 而不是 'simple' 和 @987654323 @。

您仍然受制于默认的 FTS 文本解析器认为是一个词，但您的示例都没有涉及这一点（如果 fox-trot 被连字符怎么办？）

这将由 tsvector 类型上的常用 FTS 索引支持。

或者按照 GMB 的建议，您可以使用 ~ 和 '\y'。 pg_trgm 索引将支持这种类型的查询。我认为这个解决方案更直观，但如果涉及的文本很长，效率可能会降低。

【讨论】：

我必须处理带连字符的复合词，我想找到“dancing-fox”，而不是“dancing fox-trot”，所以我会使用短语to_tsquery。我也可能会创建一个来自 simple 的特殊文本搜索配置（因为没有重音，我之前没有提到它，因为我希望存储两种文本变体 - 有和没有重音）。您的回答似乎很符合我的要求，谢谢。