PostgreSQL tsvector解析包括搜索中的xml标记

Question

我们存储＆＃34;破坏＆＃34;表中文本字段中的xml。目前无法修复xml，因此正常使用模式是使用〜* E＆＃39; my_regex＆＃39;来搜索它。在where子句中。挑战在于桌子的大小非常大。

我正在尝试使用gin索引来更快地进行查询。问题是，在将文本解析为tsvector时，解析器会忽略xml标记 例如，我正在寻找包含单词＆＃34; file＆＃34;的记录。该单词可以是xml标记的一部分，也可以不是标记的一部分。 这就是我试过的：

select to_tsvector ( 'simple', '<file mode="blah"><value>bar</value>' ) @@ to_tsquery('simple','file');  
?column?  
f

我做错了什么？如何将分隔符指定为＆lt;＆gt;＆amp; = ,. /？之一？ 提前谢谢

Answer 1

如果您只对搜索单词/标记名等感兴趣，请在创建tsvector时使用正则表达式删除所有标记：

select to_tsvector( 'simple', 
    regexp_replace('<file mode="blah"><value>bar</value>', E'[^A-Za-z0-9]', ' ', 'g')
) @@ to_tsquery('simple','file');