如何防止PostgreSQL全文搜索解析器将符号重写为空格？

Question

我的问题是PL / pgSQL解析器将'＃'或'+'等符号视为空格符号（可以），因此像'C ++'或'C＃'或'PL / SQL'这样的查询被解析为：

 asciiword | Word, all ASCII | C     | {english_stem}        | english_stem | {c}
 blank     | Space symbols   | #     | {thesaurus_en,simple} | simple       | {#}

我正在尝试找到一种处理此类查询的最佳方法。 我一直在尝试通过使用同义词库字典来实现这一点，但是看起来它可能无法工作。

我在想什么是在写入数据库时​​将“ C＃”重写为“ CSHARP”的方法（因为我猜“ C＃”将被索引为“ C”），并且在搜索时也会执行相同的操作。

我可以在我的Web应用程序端执行此操作，但这似乎并不正确。

我将如何处理该问题，或者可能将哪种PL / pgSQL触发器用于我正在考虑的方法？

Answer 1

好了，您可以编写自己的解析器（用C语言编写），但这可能比您想做的工作还要多。

您可以执行以下操作：

to_tsvector('english', my_transformer(document_text)) 
...
to_tsquery('english', my_transformer(query_text))

您不需要转换实际的文字文档文本，只需转换tsvector索引和查询即可。 您也可以在索引定义中执行此操作（但my_transformer必须是一个不变的函数）。

然后，问题就变成了转换传入文本的最简单/最有效的方法是什么。 如果您已经在使用plperl / pltcl，则可以进行一些巧妙的正则表达式替换。 如果不是这样，请尝试在plpgsql甚至plsql中尝试一些更简单的正则表达式替换。 虽然总会有一些奇怪的情况发生，但是请确保您彻底测试了替代产品。

Answer 2

（代表OP发布。）

为了将来参考，这里有关于创建tsearch解析器的很好的指南： http : //www.sai.msu.su/~megera/postgres/gist/tsearch/V2/docs/HOWTO-parser-tsearch2.html

无论如何，理查德（Richard）建议的解决方案效果很好，所需的工作量也大大减少。