在PostgreSQL中使用to_tsvector和to_tsquery处理错别字

Question

我有一个包含这些字段的简单表格

最后两个字段用于索引一个使用tsvector数据类型的索引，另一个使用文本数据类型的索引。

我想对名称或ID进行查询。 我正在做这个

SELECT * FROM foo WHERE foo.searchtext @@ to_tsquery('1234 & abcd');  

它工作正常，但现在我希望删除拼写错误，例如，如果名称是abcd，我键入abbd，那么它应该获取所有可能的值。 我见过pg_tgrm()但它不适用于整数或tsvector

我尝试过使用pg_tgrm()其他选项，例如我将索引存储在另一个具有文本类型和查询的字段searchtextstring中，例如

select *
      from foo
    where searchtextstring % '123' and searchtextstring % 'abbd';

但是我认为这不是有效的方法，而且对于错别字也不起作用。

那么，如何使用to_tsquery处理错别字？

谢谢

Answer 1

全文搜索仅忽略词干和大写字母之间的差异，它不允许您基于相似度查找匹配项。

pg_trgm是必经之路。

我使用以下示例表：

CREATE TABLE foo (id integer PRIMARY KEY, searchtextstring text);

INSERT INTO foo VALUES (1, 'something 0987');
INSERT INTO foo VALUES (2, 'abbd 1224');

CREATE INDEX ON foo USING gist (searchtextstring gist_trgm_ops);

它是如此之小，以至于PostgreSQL将始终使用顺序扫描，因此，如果可能的话，让我们强迫PostgreSQL使用索引（以便我们可以模拟更大的表）：

SET enable_seqscan = off;

现在让我们查询：

EXPLAIN (COSTS off)
   SELECT * FROM foo WHERE searchtextstring % '1234'
                       AND searchtextstring % 'abcd';

                       QUERY PLAN                                        
--------------------------------------------------------
 Index Scan using foo_searchtextstring_idx on foo
   Index Cond: ((searchtextstring % '1234'::text)
            AND (searchtextstring % 'abcd'::text))
(2 rows)

索引使用得很好，只需一次索引扫描！

但是查询不返回任何行：

SELECT * FROM foo WHERE searchtextstring % '1234'
                    AND searchtextstring % 'abcd';

 id | searchtextstring 
----+------------------
(0 rows)

那不是因为“它不起作用”，而是因为这两个词不够相似。 不要忘记，四个字母的单词中没有太多的字母，因此，如果您更改一个字母，它们将不再相似。 这不足为奇，对吧？

因此，我们必须降低相似度阈值才能获得结果；

SET pg_trgm.similarity_threshold = 0.1;

SELECT * FROM foo WHERE searchtextstring % '1234'
                    AND searchtextstring % 'abcd';

 id | searchtextstring 
----+------------------
  2 | abbd 1224
(1 row)