12.8. 测试和调试文本搜索

12.8.1. 配置测试

函数ts_debug允许简单测试文本搜索配置。

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显示关于通过解析器产生的和通过配置词典处理的document的每个标记的信息。 如果忽略参数,它使用通过config或者default_text_search_config指定的配置。

ts_debug返回通过文本解析器标识的每个标记的每一行,返回的列是:

• alias text —标记类型的别名

• description text —标记类型描述

• token text —标记文本

• dictionaries regdictionary[] —通过配置为这个标记类型选定的词典

• dictionary regdictionary —词典公认的标记,如果不这样,则为空。

• lexemes text[] — 公认标记的词典产生的词(s),或者如果不做则为NULL;空数组({})意味着它是公认的干扰词。

一个简单例子:

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}

一个更广泛的例子,我们首先用英语创建一个 public.english配置和Ispell词典:

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}

在这个例子中,Brightest是由解析器作为ASCII词来标识(别名asciiword)。 为这个标识类型,词典列表是english_ispell和english_stem。这个词通过english_ispell标识, 归纳它为名词bright。词supernovaes于english_ispell词典是未知的,所以它传递给下一个词典, 幸运的是,是公认的(事实上,english_stem是一个识别一切的Snowball词典; 这就是为什么它被放置在词典列表末尾的原因)。

词The是由 english_ispell词典被公认为干扰词(节第 12.6.1 节),不会被索引。 空间也被丢弃,因为该配置根本没有为它们提供词典。

你可以通过明确指定你想要查看的列减少输出的宽度:

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. 解析器测试

下列函数允许直接测试文本搜索解析器。

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解析给定的document并返回一系列的记录,每一个标记通过解析而产生。 每个记录包括tokid显示已分配的标记类型,并且token是标记的文本。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返回一个表,这个表描述了每种可以识别的指定分析器标记类型。 每个标记类型,该表给出了整数tokid,解析器用于标记那个类型标记,alias命名配置命令的标记类型, 并且简称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. 词典测试

ts_lexize函数有易于进行词典测试。

ts_lexize(dict regdictionary, token text) returns text[]

如果输入token为词典已知的,那么ts_lexize返回词的数组,如果这个token对词典是已知的, 但它是一个干扰词,则返回空数组。如果它是一个未知的词则返回NULL。

比如:

SELECT ts_lexize('english_stem', 'stars');
 ts_lexize
-----------
 {star}
SELECT ts_lexize('english_stem', 'a');
 ts_lexize
-----------
 {}