Postgresql 中文操作指南
12.8. Testing and Debugging Text Search #
自定义文本搜索配置的行为很容易变得混乱。本节中描述的功能可用于测试文本搜索对象。您可以测试完整配置，或分别测试解析器和词典。
12.8.1. Configuration Testing #
函数 ts_debug 允许轻松测试文本搜索配置。
ts_debug([ config regconfig, ] document text,
OUT alias text,
OUT description text,
OUT token text,
OUT dictionaries regdictionary[],
OUT dictionary regdictionary,
OUT lexemes text[])
returns setof recordts_debug 显示 document 的每个标记的信息，这些标记是由解析器生成的并由配置的词典处理的。它使用 config 指定的配置，或者 default_text_search_config 如果省略该参数。
ts_debug 为解析器在文本中识别的每个标记返回一行。返回的列是
这是一个简单的示例：
SELECT * FROM ts_debug('english', 'a fat cat sat on a mat - it ate a fat rats');
alias | description | token | dictionaries | dictionary | lexemes
-----------+-----------------+-------+----------------+--------------+---------
asciiword | Word, all ASCII | a | {english_stem} | english_stem | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | fat | {english_stem} | english_stem | {fat}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | cat | {english_stem} | english_stem | {cat}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | sat | {english_stem} | english_stem | {sat}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | on | {english_stem} | english_stem | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | a | {english_stem} | english_stem | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | mat | {english_stem} | english_stem | {mat}
blank | Space symbols | | {} | |
blank | Space symbols | - | {} | |
asciiword | Word, all ASCII | it | {english_stem} | english_stem | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | ate | {english_stem} | english_stem | {ate}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | a | {english_stem} | english_stem | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | fat | {english_stem} | english_stem | {fat}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | rats | {english_stem} | english_stem | {rat}为了更全面地演示，我们首先为英语创建一个 public.english 配置和 Ispell 词典：
CREATE TEXT SEARCH CONFIGURATION public.english ( COPY = pg_catalog.english );
CREATE TEXT SEARCH DICTIONARY english_ispell (
TEMPLATE = ispell,
DictFile = english,
AffFile = english,
StopWords = english
);
ALTER TEXT SEARCH CONFIGURATION public.english
ALTER MAPPING FOR asciiword WITH english_ispell, english_stem;SELECT * FROM ts_debug('public.english', 'The Brightest supernovaes');
alias | description | token | dictionaries | dictionary | lexemes
-----------+-----------------+-------------+-------------------------------+----------------+-------------
asciiword | Word, all ASCII | The | {english_ispell,english_stem} | english_ispell | {}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | Brightest | {english_ispell,english_stem} | english_ispell | {bright}
blank | Space symbols | | {} | |
asciiword | Word, all ASCII | supernovaes | {english_ispell,english_stem} | english_stem | {supernova}在此示例中，单词 Brightest 被解析器识别为 ASCII word（别名 asciiword）。对于此标记类型，词典列表为 english_ispell 和 english_stem。这个词被 english_ispell 识别，它将其简化为名词 bright。english_ispell 词典不知道 supernovaes 这个单词，因此它传递给下一个词典，并且幸运地被识别（事实上 english_stem 是识别所有内容的 Snowball 词典；这就是将它放在词典列表末尾的原因）。
单词 The 已被 english_ispell 字典识别为停用词（ Section 12.6.1），并且不会被索引。空格也被丢弃，因为该配置根本没有提供针对它们的字典。
您可以通过明确指定想要查看的列来减小输出的宽度：
SELECT alias, token, dictionary, lexemes
FROM ts_debug('public.english', 'The Brightest supernovaes');
alias | token | dictionary | lexemes
-----------+-------------+----------------+-------------
asciiword | The | english_ispell | {}
blank | | |
asciiword | Brightest | english_ispell | {bright}
blank | | |
asciiword | supernovaes | english_stem | {supernova}12.8.2. Parser Testing #
以下函数允许直接测试文本搜索解析器。
ts_parse(parser_name text, document text,
OUT tokid integer, OUT token text) returns setof record
ts_parse(parser_oid oid, document text,
OUT tokid integer, OUT token text) returns setof recordts_parse 解析给定的 document 并返回一系列记录，每条记录针对由解析产生的每个标记。每条记录都包含一个 tokid，显示分配的标记类型和 token，即标记的文本。例如：
SELECT * FROM ts_parse('default', '123 - a number');
tokid | token
-------+--------
22 | 123
12 |
12 | -
1 | a
12 |
1 | numberts_token_type(parser_name text, OUT tokid integer,
OUT alias text, OUT description text) returns setof record
ts_token_type(parser_oid oid, OUT tokid integer,
OUT alias text, OUT description text) returns setof recordts_token_type 返回一个表，其中描述指定的解析器可以识别的每种标记类型。对于每种标记类型，该表给出解析器用于给该类型标记贴上标签的整数 tokid，在配置命令中给标记类型命名的 alias 和一个简短的 description。例如：
SELECT * FROM ts_token_type('default');
tokid | alias | description
-------+-----------------+------------------------------------------
1 | asciiword | Word, all ASCII
2 | word | Word, all letters
3 | numword | Word, letters and digits
4 | email | Email address
5 | url | URL
6 | host | Host
7 | sfloat | Scientific notation
8 | version | Version number
9 | hword_numpart | Hyphenated word part, letters and digits
10 | hword_part | Hyphenated word part, all letters
11 | hword_asciipart | Hyphenated word part, all ASCII
12 | blank | Space symbols
13 | tag | XML tag
14 | protocol | Protocol head
15 | numhword | Hyphenated word, letters and digits
16 | asciihword | Hyphenated word, all ASCII
17 | hword | Hyphenated word, all letters
18 | url_path | URL path
19 | file | File or path name
20 | float | Decimal notation
21 | int | Signed integer
22 | uint | Unsigned integer
23 | entity | XML entity12.8.3. Dictionary Testing #
ts_lexize 函数方便字典测试。
ts_lexize(dict regdictionary, token text) returns text[]ts_lexize 如果输入 token 是词典所知的，则返回词素数组，如果标记是词典所知的但它是停用词，则返回一个空数组，如果它是一个未知的单词，则返回 NULL。
示例：
SELECT ts_lexize('english_stem', 'stars');
ts_lexize
-----------
{star}
SELECT ts_lexize('english_stem', 'a');
ts_lexize
-----------
{}Note
ts_lexize 函数期望单个 token，而不是文本。这里有一个可能造成混淆的情况：
SELECT ts_lexize('thesaurus_astro', 'supernovae stars') is null;
?column?
----------
t同义词词典 thesaurus_astro 确实知道短语 supernovae stars，但是 ts_lexize 会失败，因为它不解析输入文本，而是将它当作一个单个标记。使用 plainto_tsquery 或 to_tsvector 来测试同义词词典，例如：
SELECT plainto_tsquery('supernovae stars');
plainto_tsquery
-----------------
'sn'