12.8. 測試和調試文本搜索 · PostgreSQL 中文文檔 9.3

# 12.8\. 測試和調試文本搜索一個自定義文本搜索配置的行為很容易變得混亂。在本節中描述的函數對測試文本搜索對象是有用的。你可以測試一個完整的配置，或分別測試分析器和詞典。 ## 12.8.1\. 配置測試函數`ts_debug`允許簡單測試文本搜索配置。 ``` 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 record ``` `ts_debug`顯示關于通過解析器產生的和通過配置詞典處理的`_document_`的每個標記的信息。如果忽略參數，它使用通過`_config_`或者`default_text_search_config`指定的配置。 `ts_debug`返回通過文本解析器標識的每個標記的每一行，返回的列是： * `_alias_` `text` —標記類型的別名 * `_description_` `text` —標記類型描述 * `_token_` `text` —標記文本 * `_dictionaries_` `regdictionary[]` —通過配置為這個標記類型選定的詞典 * `_dictionary_` `regdictionary` —詞典公認的標記，如果不這樣，則為`空`。 * `_lexemes_` `text[]` — 公認標記的詞典產生的詞（s），或者如果不做則為`NULL`；空數組（`{}`）意味著它是公認的屏蔽詞。一個簡單例子： ``` 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} ``` 一個更廣泛的例子，我們首先用英語創建一個 `public.english`配置和Ispell詞典： ``` 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} ``` 在這個例子中，`Brightest`是由解析器作為`ASCII詞`來標識（別名`asciiword`）。為這個標識類型，詞典列表是`english_ispell`和`english_stem`。這個詞通過`english_ispell`標識，歸納它為名詞`bright`。詞`supernovaes`于`english_ispell`詞典是未知的，所以它傳遞給下一個詞典，幸運的是，是公認的（事實上，`english_stem`是一個識別一切的Snowball詞典；這就是為什么它被放置在詞典列表末尾的原因）。詞`The`是由 `english_ispell`詞典被公認為屏蔽詞（節[Section 12.6.1](#calibre_link-1118)），不會被索引。空間也被丟棄，因為該配置根本沒有為它們提供詞典。你可以通過明確指定你想要查看的列減少輸出的寬度： ``` 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\. 解析器測試下列函數允許直接測試文本搜索解析器。 ``` 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 record ``` `ts_parse`解析給定的`_document_`并返回一系列的記錄，每一個標記通過解析而產生。每個記錄包括`tokid`顯示已分配的標記類型，并且`token`是標記的文本。比如： ``` SELECT * FROM ts_parse('default', '123 - a number'); tokid | token -------+-------- 22 | 123 12 | 12 | - 1 | a 12 | 1 | number ``` ``` ts_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 record ``` `ts_token_type`返回一個表，這個表描述了每種可以識別的指定分析器標記類型。每個標記類型，該表給出了整數`tokid`，解析器用于標記那個類型標記，`alias`命名配置命令的標記類型，并且簡稱`description`。比如： ``` 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 entity ``` ## 12.8.3\. 詞典測試 `ts_lexize`函數有易于進行詞典測試。 ``` ts_lexize(_dict_ regdictionary, _token_ text) returns text[] ``` 如果輸入`_token_`為詞典已知的，那么`ts_lexize`返回詞的數組，如果這個token對詞典是已知的，但它是一個屏蔽詞，則返回空數組。如果它是一個未知的詞則返回`NULL`。比如： ``` SELECT ts_lexize('english_stem', 'stars'); ts_lexize ----------- {star} SELECT ts_lexize('english_stem', 'a'); ts_lexize ----------- {} ``` > **Note:** `ts_lexize`函數需要單一_標記_，沒有文本。這是一種引起混淆的情況： > > ``` > SELECT ts_lexize('thesaurus_astro','supernovae stars') is null; > ?column? > ---------- > t > ``` > > 同義詞詞典`thesaurus_astro`確實知道短語`supernovae stars`，但`ts_lexize`失敗了，因為它不解析輸入文本，而是把它作為一個單一標記。使用`plainto_tsquery`或者`to_tsvector`測試同義詞詞典，例如： > > ``` > SELECT plainto_tsquery('supernovae stars'); > plainto_tsquery > ----------------- > 'sn' > ```