PostgreSQL 全文搜索 : How to change what classifies as a "word separator"?

Question

使用 ts_debug 我可以看到 Postgres 将哪些符号视为(我所说的)“单词分隔符”。

例子:

SELECT ts_debug('english', 'Hello. ABC')

结果:

(asciiword,"Word, all ASCII",Hello,{english_stem},english_stem,{hello})
(blank,"Space symbols",". ",{},,)
(asciiword,"Word, all ASCII",ABC,{english_stem},english_stem,{abc})

.(点空格)被视为单词分隔符。我的问题是，我需要 Postgres 将单个点 . 也视为单词分隔符。

现在，如果我搜索 ABC，将找不到内容为 Hello.ABC(点后没有空格)的条目，只有 Hello . ABC.

我正在使用这个搜索查询:

SELECT description FROM incident WHERE
  to_tsvector('english', description) @@ to_tsquery('english', 'ABC')

另一个例子:搜索IOException不会找到java.io.IOException

有没有办法将单个点(没有空格)视为单词分隔符？

Answer 1

问题是解析器会将 Hello.ABC 识别为主机名:

SELECT alias, description, token, lexemes FROM ts_debug('english', 'Hello.ABC');
┌───────┬─────────────┬───────────┬─────────────┐
│ alias │ description │   token   │   lexemes   │
├───────┼─────────────┼───────────┼─────────────┤
│ host  │ Host        │ Hello.ABC │ {hello.abc} │
└───────┴─────────────┴───────────┴─────────────┘
(1 row)

您必须更改解析器或创建一个新解析器来避免这种情况，但这只能在 C 中完成。

我推荐的解决方法是在处理之前用空格替换所有的点和斜线:

SELECT to_tsvector('english',
          translate('Hello/ABC', '/.', '  ')
       ) @@ to_tsquery('english',
          translate('ABC', '/.', '  ')
       ) AS match;
┌───────┐
│ match │
├───────┤
│ t     │
└───────┘
(1 row)