在PostgreSQL中使用to_tsvector和to_tsquery處理錯別字

Question

我有一個包含這些字段的簡單表格

最后兩個字段用於索引一個使用tsvector數據類型的索引，另一個使用文本數據類型的索引。

我想對名稱或ID進行查詢。 我正在做這個

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

它工作正常，但現在我希望刪除拼寫錯誤，例如，如果名稱是abcd，我鍵入abbd，那么它應該獲取所有可能的值。 我見過pg_tgrm()但它不適用於整數或tsvector

我嘗試過使用pg_tgrm()其他選項，例如我將索引存儲在另一個具有文本類型和查詢的字段searchtextstring中，例如

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

但是我認為這不是有效的方法，而且對於錯別字也不起作用。

那么，如何使用to_tsquery處理錯別字？

謝謝

Answer 1

全文搜索僅忽略詞干和大寫字母之間的差異，它不允許您基於相似度查找匹配項。

pg_trgm是必經之路。

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，以至於PostgreSQL將始終使用順序掃描，因此，如果可能的話，讓我們強迫PostgreSQL使用索引（以便我們可以模擬更大的表）：

SET enable_seqscan = off;

現在讓我們查詢：

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，只需一次索引掃描！

但是查詢不返回任何行：

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

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

那不是因為“它不起作用”，而是因為這兩個詞不夠相似。 不要忘記，四個字母的單詞中沒有太多的字母，因此，如果您更改一個字母，它們將不再相似。 這不足為奇，對吧？

因此，我們必須降低相似度閾值才能獲得結果；

SET pg_trgm.similarity_threshold = 0.1;

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

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