Postgresql 中文操作指南

F.48. unaccent — a text search dictionary which removes diacritics #

unaccent 是一个文本搜索词典，它从词素中删除重音符号(变音符号)。它是一个过滤词典，这意味着它的输出始终会传给下一个词典(如果有的话)，这与词典的正常行为不同。这允许对全文搜索进行不区分重音的处理。

unaccent 的当前实现不能用作 thesaurus 词典的标准化词典。

此模块被认为是“受信任的”，也就是说，它可以由在当前数据库上具有 CREATE 权限的非超级用户安装。

F.48.1. Configuration #

unaccent 词典支持以下选项：

规则文件的格式如下：

一个更完整的示例，它对大多数欧洲语言非常有用，可以在 unaccent.rules 中找到，当安装 unaccent 模块时，它会被安装在 $SHAREDIR/tsearch_data/ 中。此规则文件会将带重音符号的字符转换为没有重音符号的相同字符，并且还会将连字扩展为等效的一系列简单字符(例如，Æ 转换为 AE)。

F.48.2. Usage #

安装 unaccent 扩展将创建一个基于它的文本搜索模板 unaccent 和一个词典 unaccent。unaccent 词典有默认参数设置 RULES='unaccent'，这使其可以用标准 unaccent.rules 文件立即使用。如果您愿意，可以更改参数，例如

mydb=# ALTER TEXT SEARCH DICTIONARY unaccent (RULES='my_rules');

或基于模板创建新的词典。

要测试词典，可以尝试：

mydb=# select ts_lexize('unaccent','Hôtel');
 ts_lexize
-----------
 {Hotel}
(1 row)

以下是一个示例，展示如何将 unaccent 词典插入到文本搜索配置中：

mydb=# CREATE TEXT SEARCH CONFIGURATION fr ( COPY = french );
mydb=# ALTER TEXT SEARCH CONFIGURATION fr
        ALTER MAPPING FOR hword, hword_part, word
        WITH unaccent, french_stem;
mydb=# select to_tsvector('fr','Hôtels de la Mer');
    to_tsvector
-------------------
 'hotel':1 'mer':4
(1 row)

mydb=# select to_tsvector('fr','Hôtel de la Mer') @@ to_tsquery('fr','Hotels');
 ?column?
----------
 t
(1 row)

mydb=# select ts_headline('fr','Hôtel de la Mer',to_tsquery('fr','Hotels'));
      ts_headline
------------------------
 <b>Hôtel</b> de la Mer
(1 row)

F.48.3. Functions #

unaccent() 函数可以从给定的字符串中删除重音符号(变音符号)。从本质上说，它是一个围绕 unaccent 类型词典的包装器，但它可以用于正常的文本搜索上下文之外。

unaccent([dictionary regdictionary, ] string text) returns text

如果省略 dictionary 参数，则会使用与 unaccent() 函数本身出现在同一模式中并且名为 unaccent 的文本搜索词典。

例如：

SELECT unaccent('unaccent', 'Hôtel');
SELECT unaccent('Hôtel');