在 postgresql 中使用 to_tsvector 和 to_tsquery 处理拼写错误

Question

我有一个带有这些字段的简单 table

最后两个字段用于索引一个为 tsvector 数据类型，另一个为文本数据类型。

我想查询姓名或身份证。我正在做这个

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

它工作正常，但现在我想删除拼写错误，例如，如果名称是 abcd，我输入 abbd，那么它应该得到所有可能的值。我见过 pg_tgrm() 但它 does not 与整数或 tsvector

一起工作

我尝试使用其他选项 pg_tgrm() 就像我将索引存储在另一个字段 searchtextstring 中，类型为 text 和查询

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

但我不认为这是有效的，而且这对打字错误不起作用。

那么如何处理 to_tsquery 的拼写错误？

谢谢

Answer 1

全文搜索仅忽略词干和大小写的差异，不会让您根据相似性查找匹配项。

pg_trgm 是要走的路。

我用这个样本table:

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);

这太小了，PostgreSQL 将始终使用顺序扫描，所以如果可能的话，让我们强制 PostgreSQL 使用索引（以便我们可以模拟更大的 table）：

SET enable_seqscan = off;

现在查询：

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)

索引使用的很好，单次索引扫描！

但是查询returns没有行：

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

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

不是因为“不行”，而是词不够相似。别忘了一个四字的字里没有那么多八卦，换一个字母就没那么相似了。这并不奇怪，对吧？

所以我们必须降低相似度阈值才能得到结果；

SET pg_trgm.similarity_threshold = 0.1;

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

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

在 postgresql 中使用 to_tsvector 和 to_tsquery 处理拼写错误

Handling typos with to_tsvector and to_tsquery in postgresql

sql

postgresql

pg