使用PostgreSQL数据库进行中文全文搜索的实现方法

 更新时间:2023年09月25日 10:33:41   作者:undefinedType  
目前在PostgreSQL中常见的两个中文分词插件是zhparser和pg_jieba,这里我们使用zhparser,插件的编译和安装请查看官方文档 ,安装还是比较复杂的,建议找个现成docker镜像,本文给大家介绍了在PostgreSQL数据库使用中文全文搜索,需要的朋友可以参考下

如何使用zhparser

安装相应插件

1 安装 pg_trgm

用于执行文本相似性和模糊搜索。它基于 trigram 算法,允许你在文本数据上执行模糊匹配、相似性搜索和索引。命令如下

CREATE EXTENSION pg_trgm

2 安装 zhparser

专门用于处理中文文本数据。它允许 PostgreSQL 在中文文本上执行全文搜索,包括分词、词干提取、停用词处理等操作,以便提高中文文本数据的搜索准确性和性能。命令如下

CREATE EXTENSION zhparser

创建基于zhparser的搜索配置

CREATE TEXT SEARCH CONFIGURATION chinese_zh (PARSER = zhparser)

这个命令创建了一个名为 chinese_zh 的中文文本搜索配置。该配置使用了 zhparser 解析器,表明它将用于分析和处理中文文本数据。

ALTER TEXT SEARCH CONFIGURATION chinese_zh ADD MAPPING FOR n,v,a,i,e,l WITH simple

这个命令将指定的词汇类别(n,v,a,i,e,l)与已存在的 simple 配置进行映射。这意味着对于这些词汇类别,将使用 simple 配置的规则来进行文本分析和处理。

进行搜索查询

select ts_debug('chinese_zh', '春秋、战国是中国历史上思想迸发的时代,出现了百家争鸣的现象');

执行结果:

"(t,""time,时语素"",春秋,{},,)"
"(u,""auxiliary,助词"",、,{},,)"
"(t,""time,时语素"",战国,{},,)"
"(v,""verb,动词"",是,{simple},simple,{是})"
"(n,""noun,名词"",中国,{simple},simple,{中国})"
"(n,""noun,名词"",历史,{simple},simple,{历史})"
"(n,""noun,名词"",上思,{simple},simple,{上思})"
"(v,""verb,动词"",想,{simple},simple,{想})"
"(v,""verb,动词"",迸发,{simple},simple,{迸发})"
"(u,""auxiliary,助词"",的,{},,)"
"(n,""noun,名词"",时代,{simple},simple,{时代})"
"(u,""auxiliary,助词"",,,{},,)"
"(v,""verb,动词"",出现,{simple},simple,{出现})"
"(v,""verb,动词"",了,{simple},simple,{了})"
"(n,""noun,名词"",百家争鸣,{simple},simple,{百家争鸣})"
"(u,""auxiliary,助词"",的,{},,)"
"(n,""noun,名词"",现象,{simple},simple,{现象})"
select to_tsvector('chinese_zh', '春秋、战国是中国历史上思想迸发的时代,出现了百家争鸣的现象');

执行结果:

"'上思':4 '中国':2 '了':9 '出现':8 '历史':3 '想':5 '时代':7 '是':1 '现象':11 '百家争鸣':10 '迸发':6"

可以看到春秋和战国没有出现在里面,这里我们把t,time,时语素的映射添加下

ALTER TEXT SEARCH CONFIGURATION chinese_zh ADD MAPPING FOR t WITH simple;

再执行上面的语句就会得到下面的结果

"'上思':6 '中国':4 '了':11 '出现':10 '历史':5 '想':7 '战国':2 '时代':9 '春秋':1 '是':3 '现象':13 '百家争鸣':12 '迸发':8"

可以看到春秋和战国已经出现在文本向量的结果中了。我们搜索下春秋看下

select to_tsquery('战国') @@ to_tsvector('chinese_zh', '春秋、战国是中国历史上思想迸发的时代,出现了百家争鸣的现象');

true

添加自定义词典(txt)

select to_tsquery('二十四节谷') @@  to_tsvector('chinese_zh', '春秋、战国是中国历史上思想迸发的时代,在二十四节谷出现了百家争鸣的现象');
false

这里竟然没有,仔细观察上面对这个句子的向量化分析,破案了,没有把‘二十四节谷’这个词作为一个整体

'上思':6 '中国':4 '了':11 '出现':10 '历史':5 '想':7

在以下位置创建客户字典/usr/share/postgresql/14/tsearch_data/kkdict.utf8.txt:(必须在该目录中)

#word TF  IDF ATTR
二十四节谷  1 1 n

然后修改/var/lib/postgresql/data/posrgresql.conf,在末尾添加以下行: zhparser.extra_dicts = 'kkdict.utf8.txt'

select ts_debug('chinese_zh', '春秋、战国是中国历史上思想迸发的时代,在二十四节谷出现了百家争鸣的现象');
(n,"noun,名词",二十四节谷,{simple},simple,{二十四节谷})

可见现在已经变成一个名词了。

创建索引

这里使用to_tsvector函数方式,不单独增加一列tsvector字段

create table testing(
  title text
  );
  insert into testing values('春秋、战国是中国历史上思想迸发的时代,出现了百家争鸣的现象');
  insert into testing values('春秋、战国是中国历史上思想迸发的时代,在二十四节谷出现了百家争鸣的现象');
create index ind_testing on testing using gin (to_tsvector('chinese_zh', title));

这样就可以在查询中使用中文检索了,注意当你数据量不够的时候不会走索引,会直接便利。

select * from testing where to_tsquery('chinese_zh', '二十四节谷') @@ to_tsvector('chinese_zh', title);

总结

以上就是在PostgreSQL数据库中使用中文全文搜索的实现方法的详细内容,更多关于PostgreSQL中文全文搜索的资料请关注脚本之家其它相关文章!

相关文章

  • 教你在PostgreSql中使用JSON字段的方法

    教你在PostgreSql中使用JSON字段的方法

    这篇文章主要介绍了干货教你在PostgreSql中使用JSON字段,通过本文可掌握在pg数据库中如何正确使用json字段,如何进行数据查询,在where子查询中如何使用,以及对json值进行聚合查询使用,需要的朋友可以参考下
    2022-11-11
  • Postgresql 检查数据库主从复制进度的操作

    Postgresql 检查数据库主从复制进度的操作

    这篇文章主要介绍了Postgresql 检查数据库主从复制进度的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-12-12
  • postgresql 导入数据库表并重设自增属性的操作

    postgresql 导入数据库表并重设自增属性的操作

    这篇文章主要介绍了postgresql 导入数据库表并重设自增属性的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-01-01
  • PostgreSQL出现死锁该如何解决

    PostgreSQL出现死锁该如何解决

    昨天在对一张表执行一条update语句的时候,没有修改成功,直接终止执行,就疯狂点击执行,执行了很多次这条语句导致了表被死锁了,这篇文章主要给大家介绍了关于PostgreSQL出现死锁该如何解决的相关资料,需要的朋友可以参考下
    2022-05-05
  • 在postgresql中结束掉正在执行的SQL语句操作

    在postgresql中结束掉正在执行的SQL语句操作

    这篇文章主要介绍了在postgresql中结束掉正在执行的SQL语句操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-12-12
  • postgresql 中round函数的用法说明

    postgresql 中round函数的用法说明

    这篇文章主要介绍了postgresql 中round函数的用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-01-01
  • 如何使用PostgreSQL进行中文全文检索

    如何使用PostgreSQL进行中文全文检索

    PostgreSQL被称为是“最高级的开源数据库”,它的数据类型非常丰富,用它来解决一些比较偏门的需求非常适合。由于PgSQL国内的资料较少,所有本文将详细介绍此类问题,以便后来的同学能顺利使用PgSQL。
    2021-05-05
  • PostgreSQL使用MySQL外表的步骤详解(mysql_fdw)

    PostgreSQL使用MySQL外表的步骤详解(mysql_fdw)

    这篇文章主要介绍了PostgreSQL使用MySQL外表的步骤(mysql_fdw),本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-01-01
  • PostgreSQL 16 新特性之正态分布随机数函数的示例

    PostgreSQL 16 新特性之正态分布随机数函数的示例

    这篇文章主要介绍了PostgreSQL 16 新特性之正态分布随机数函数,PostgreSQL 16 新增了一个内置的 random_normal() 函数,用于生成这种随机数,通过示例代码给大家介绍的非常详细,需要的朋友可以参考下
    2023-01-01
  • postgresql运维之远程迁移操作

    postgresql运维之远程迁移操作

    这篇文章主要介绍了postgresql运维之远程迁移操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-01-01

最新评论