Postgres 全文忽略 xml 标签

Question

我正在开发使用户能够在源存储库中进行搜索的网络应用程序。该程序解析差异。我找不到将差异的所有部分注入 Postgres 的全文向量的方法。

示例：

select alias, description, token from ts_debug('Link to <a href="//www.yahoo.com">Yahoo!</a> web site');
+-----------+-----------------+----------------------------+
|   alias   |   description   |           token            |
+-----------+-----------------+----------------------------+
| asciiword | Word, all ASCII | Link                       |
| blank     | Space symbols   |                            |
| asciiword | Word, all ASCII | to                         |
| blank     | Space symbols   |                            |
| tag       | XML tag         | <a href="//www.yahoo.com"> |
| asciiword | Word, all ASCII | Yahoo                      |
| blank     | Space symbols   | !                          |
| tag       | XML tag         | </a>                       |
| blank     | Space symbols   |                            |
| asciiword | Word, all ASCII | web                        |
| blank     | Space symbols   |                            |
| asciiword | Word, all ASCII | site                       |
+-----------+-----------------+----------------------------+

好像解析没问题。但是，如果我将其转换为文档向量，则不会包含 XML 标签。

select to_tsvector('simple', 'Link to <a href="//www.yahoo.com">Yahoo!</a> web site') to_tsvector;
+--------------------------------------------+
|                to_tsvector                 |
+--------------------------------------------+
| 'link':1 'site':5 'to':2 'web':4 'yahoo':3 |
+--------------------------------------------+

估计跟配置有关？

有什么想法吗？

Answer 1

解析器解析出标签，但默认配置 'simple' 会忽略它们（如运行 \dF+ simple 在 psql 中所见，未列出的标记将被忽略）。

你可以告诉它不要忽略它们：

alter text search configuration simple add mapping for tag with simple;

但您最好复制配置，然后修改副本。

您可能还需要自定义词典来处理标签，因为 'simple' 词典不太可能满足您的要求。

select to_tsvector('simple', 'Link to <a href="//www.yahoo.com">Yahoo!</a> web site') to_tsvector;
                                    to_tsvector                                     
------------------------------------------------------------------------------------
 '</a>':5 '<a href="//www.yahoo.com">':3 'link':1 'site':7 'to':2 'web':6 'yahoo':4

Postgres 全文忽略 xml 标签

Postgres fulltext ignores xml tags

postgresql

full-text-search

full-text-indexing