array_to_tsvector ( text[] ) → tsvector 将词素数组转换为tsvector。给定的字符串按原样使用，不做进一步处理。 array_to_tsvector('{fat,cat,rat}'::text[]) → 'cat' 'fat' 'rat'
|
get_current_ts_config ( ) → regconfig 返回当前默认文本搜索配置的OID（由 default_text_search_config 所设定的） get_current_ts_config() → english
|
length ( tsvector ) → integer 返回tsvector中的词位数。 length('fat:2,4 cat:3 rat:5A'::tsvector) → 3
|
numnode ( tsquery ) → integer 返回tsquery中词位和操作符的数目。 numnode('(fat & rat) | cat'::tsquery) → 5
|
plainto_tsquery ( [ config regconfig, ] query text ) → tsquery 将文本转换为tsquery，根据指定的或默认配置对单词进行标准化。 字符串中的任何标点符号都会被忽略（它不决定查询操作符）。结果查询匹配文本中包含所有非停止词的文档。 plainto_tsquery('english', 'The Fat Rats') → 'fat' & 'rat'
|
phraseto_tsquery ( [ config regconfig, ] query text ) → tsquery 将文本转换为tsquery，根据指定的或默认配置对单词进行标准化。 字符串中的任何标点符号都会被忽略（它不决定查询操作符）。结果查询匹配包含文本中所有非停止词的短语。 phraseto_tsquery('english', 'The Fat Rats') → 'fat' <-> 'rat'
phraseto_tsquery('english', 'The Cat and Rats') → 'cat' <2> 'rat'
|
websearch_to_tsquery ( [ config regconfig, ] query text ) → tsquery 将文本转换为tsquery，根据指定的或默认配置对单词进行标准化。引用的单词序列被转换为短语测试。 “or”一词被理解为产生OR操作符，而破折号产生NOT操作符;其他标点符号被忽略。这类似于一些常见的网络搜索工具的行为。 websearch_to_tsquery('english', '"fat rat" or cat dog') → 'fat' <-> 'rat' | 'cat' & 'dog'
|
querytree ( tsquery ) → text 生成tsquery的可转位部分的表示。结果为空或仅为T表示不可索引查询。 querytree('foo & ! bar'::tsquery) → 'foo'
|
setweight ( vector tsvector, weight "char" ) → tsvector 将指定的weight赋给vector的每个元素。 setweight('fat:2,4 cat:3 rat:5B'::tsvector, 'A') → 'cat':3A 'fat':2A,4A 'rat':5A
|
setweight ( vector tsvector, weight "char", lexemes text[] ) → tsvector 将指定的weight赋给列在lexemes中的vector元素。 setweight('fat:2,4 cat:3 rat:5,6B'::tsvector, 'A', '{cat,rat}') → 'cat':3A 'fat':2,4 'rat':5A,6A
|
strip ( tsvector ) → tsvector 从tsvector中移除位置和权重。 strip('fat:2,4 cat:3 rat:5A'::tsvector) → 'cat' 'fat' 'rat'
|
to_tsquery ( [ config regconfig, ] query text ) → tsquery 将文本转换为tsquery，根据指定的或默认配置对单词进行标准化。单词必须由有效的tsquery操作符组合。 to_tsquery('english', 'The & Fat & Rats') → 'fat' & 'rat'
|
to_tsvector ( [ config regconfig, ] document text ) → tsvector 将文本转换为tsvector，根据指定的或默认配置对单词进行标准化。结果中包含位置信息。 to_tsvector('english', 'The Fat Rats') → 'fat':2 'rat':3
|
to_tsvector ( [ config regconfig, ] document json ) → tsvector
to_tsvector ( [ config regconfig, ] document jsonb ) → tsvector
将JSON文档中的每个字符串值转换为tsvector，根据指定的或默认配置对单词进行标准化。 然后将结果按文档顺序连接起来以产生输出。位置信息就像在每对字符串值之间存在一个停止词一样生成。 （注意，当输入为jsonb时，JSON对象的字段的“document order”取决于实现;请观察这些例子中的差异） to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::json) → 'dog':5 'fat':2 'rat':3
to_tsvector('english', '{"aa": "The Fat Rats", "b": "dog"}'::jsonb) → 'dog':1 'fat':4 'rat':5
|
json_to_tsvector ( [ config regconfig, ] document json, filter jsonb ) → tsvector jsonb_to_tsvector ( [ config regconfig, ] document jsonb, filter jsonb ) → tsvector 选择filter请求的JSON文档中的每个项，并将每个项转换为tsvector，根据指定的或默认配置对单词进行标准化。 然后将结果按文档顺序连接起来以产生输出。位置信息就像在每对选定的项目之间存在一个停止词一样生成。 （注意，当输入为jsonb时，JSON对象字段的“document order”取决于实现） filter必须是一个jsonb数组，其中包含0个或多个关键字： "string"（包括所有字符串值）， "numeric"（包括所有数值），"boolean"（包括所有布尔值），"key"（包括所有键），或 "all"（包括以上所有关键字）。 作为一种特殊情况，该filter也可以是这些关键字之一的简单JSON值。 json_to_tsvector('english', '{"a": "The Fat Rats", "b": 123}'::json, '["string", "numeric"]') → '123':5 'fat':2 'rat':3
json_to_tsvector('english', '{"cat": "The Fat Rats", "dog": 123}'::json, '"all"') → '123':9 'cat':1 'dog':7 'fat':4 'rat':5
|
ts_delete ( vector tsvector, lexeme text ) → tsvector 从vector中删除任何出现的给定lexeme。 ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, 'fat') → 'cat':3 'rat':5A
|
ts_delete ( vector tsvector, lexemes text[] ) → tsvector
从vector中删除lexemes中出现的任何词位。 ts_delete('fat:2,4 cat:3 rat:5A'::tsvector, ARRAY['fat','rat']) → 'cat':3
|
ts_filter ( vector tsvector, weights "char"[] ) → tsvector 只从vector中选择具有给定weights的元素。 ts_filter('fat:2,4 cat:3b,7c rat:5A'::tsvector, '{a,b}') → 'cat':3B 'rat':5A
|
ts_headline ( [ config regconfig, ] document text, query tsquery [, options text ] ) → text 以缩写形式显示document中query的匹配项，该匹配项必须是原始文本，而不是tsvector。 在匹配查询之前，文档中的单词将根据指定的或默认的配置进行规范化。 ts_headline('The fat cat ate the rat.', 'cat') → The fat <b>cat</b> ate the rat.
|
ts_headline ( [ config regconfig, ] document json, query tsquery [, options text ] ) → text
ts_headline ( [ config regconfig, ] document jsonb, query tsquery [, options text ] ) → text
以缩写形式显示匹配JSONdocument中字符串值中的query。 ts_headline('{"cat":"raining cats and dogs"}'::jsonb, 'cat') → {"cat": "raining <b>cats</b> and dogs"}
|
ts_rank ( [ weights real[], ] vector tsvector, query tsquery [, normalization integer ] ) → real 计算一个分数，显示vector与query的匹配程度。 ts_rank(to_tsvector('raining cats and dogs'), 'cat') → 0.06079271
|
ts_rank_cd ( [ weights real[], ] vector tsvector, query tsquery [, normalization integer ] ) → real 使用覆盖密度算法计算一个分数，显示vector与query的匹配程度。 ts_rank_cd(to_tsvector('raining cats and dogs'), 'cat') → 0.1
|
ts_rewrite ( query tsquery, target tsquery, substitute tsquery ) → tsquery 在query中使用 substitute替换出现的target。 ts_rewrite('a & b'::tsquery, 'a'::tsquery, 'foo|bar'::tsquery) → 'b' & ( 'foo' | 'bar' )
|
ts_rewrite ( query tsquery, select text ) → tsquery
根据目标替换部分query，并替换通过执行SELECT命令获得的查询。 SELECT ts_rewrite('a & b'::tsquery, 'SELECT t,s FROM aliases') → 'b' & ( 'foo' | 'bar' )
|
tsquery_phrase ( query1 tsquery, query2 tsquery ) → tsquery 构造一个短语查询，在连续的词位上搜索query1和query2的匹配项（与<->操作符相同）。 tsquery_phrase(to_tsquery('fat'), to_tsquery('cat')) → 'fat' <-> 'cat'
|
tsquery_phrase ( query1 tsquery, query2 tsquery, distance integer ) → tsquery
构造一个短语查询，用于搜索query1和query2的匹配项，这些匹配项恰好出现在distance词位之间。 tsquery_phrase(to_tsquery('fat'), to_tsquery('cat'), 10) → 'fat' <10> 'cat'
|
tsvector_to_array ( tsvector ) → text[] 将tsvector转换为词位的数组。 tsvector_to_array('fat:2,4 cat:3 rat:5A'::tsvector) → {cat,fat,rat}
|
unnest ( tsvector ) → setof record ( lexeme text, positions smallint[], weights text ) 将tsvector展开为一组行，每个行对应一个词位。 select * from unnest('cat:3 fat:2,4 rat:5A'::tsvector) →
|