Question

刚遇到问题。我正在尝试在本地化内容（特别是俄语）上设置全文搜索。问题是默认配置（以及我的自定义）不处理字母案例。例如：

SELECT * from to_tsvector('test_russian', 'На рынке появились новые рублевые облигации');
> 'На':1 'новые':4 'облигации':6 'появились':3 'рублевые':5 'рынке':2

'На'是一个停用词，应该删除，但它甚至不会在结果向量中降低。如果我传递小写字符串，则一切正常

SELECT * from to_tsvector('test_russian', 'на рынке появились новые рублевые облигации');
> 'новые':4 'облигации':6 'появились':3 'рублевые':5 'рынке':2

当然我可以传递预先小写的字符串，但手册说

简单字典模板通过转换输入标记来操作小写并根据停用词文件进行检查。

Config russian_test看起来像这样：

create text search CONFIGURATION test_russian (COPY = 'russian');

CREATE TEXT SEARCH DICTIONARY russian_simple (
    TEMPLATE = pg_catalog.simple,
    STOPWORDS = russian
);

CREATE TEXT SEARCH DICTIONARY russian_snowball (
    TEMPLATE = snowball,
    Language = russian,
    StopWords = russian
);

alter text search configuration test_russian 
    alter mapping for word
    with russian_simple,russian_snowball;

但实际上我使用内置russian配置获得完全相同的结果。

我按照预期尝试将ts_debug和令牌视为word。

有什么想法吗？

Answer 1

问题解决了。原因是数据库是使用默认（“C”）CType和Collate启动的。我们用过

initdb --locale=UTF-8 --lc-collate=UTF-8 --encoding=UTF-8 -U pgsql *PGSQL DATA DIR*

重新创建实例和

CREATE DATABASE "scratch"
  WITH OWNER "postgres"
  ENCODING 'UTF8'
  LC_COLLATE = 'ru_RU.UTF-8'
  LC_CTYPE = 'ru_RU.UTF-8';

重新创建db和简单字典现在可以正常工作。

Postgresql全文搜索标记器

1 个答案: