如何防止PostgreSQL全文搜索解析器將符號重寫為空格？

Question

我的問題是PL / pgSQL解析器將'＃'或'+'等符號視為空格符號（可以），因此像'C ++'或'C＃'或'PL / SQL'這樣的查詢被解析為：

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

我正在嘗試找到一種處理此類查詢的最佳方法。 我一直在嘗試通過使用同義詞庫字典來實現這一點，但是看起來它可能無法工作。

我在想什么是在寫入數據庫時​​將“ C＃”重寫為“ CSHARP”的方法（因為我猜“ C＃”將被索引為“ C”），並且在搜索時也會執行相同的操作。

我可以在我的Web應用程序端執行此操作，但這似乎並不正確。

我將如何處理該問題，或者可能將哪種PL / pgSQL觸發器用於我正在考慮的方法？

Answer 1

好了，您可以編寫自己的解析器（用C語言編寫），但這可能比您想做的工作還要多。

您可以執行以下操作：

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

您不需要轉換實際的文字文檔文本，只需轉換tsvector索引和查詢即可。 您也可以在索引定義中執行此操作（但my_transformer必須是一個不變的函數）。

然后，問題就變成了轉換傳入文本的最簡單/最有效的方法是什么。 如果您已經在使用plperl / pltcl，則可以進行一些巧妙的正則表達式替換。 如果不是這樣，請嘗試在plpgsql甚至plsql中嘗試一些更簡單的正則表達式替換。 雖然總會有一些奇怪的情況發生，但是請確保您徹底測試了替代產品。

Answer 2

（代表OP發布。）

為了將來參考，這里有關於創建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

無論如何，理查德（Richard）建議的解決方案效果很好，所需的工作量也大大減少。