カスタムテキスト検索設定の挙動は複雑になりがちで、結果として混乱を招くことになります。 この節では、テキスト検索オブジェクトのテストの際に役に立つ関数を説明します。 完全な設定でテストすることも、パーサと辞書を別々にテストすることも可能です。
ts_debug
関数により、テキスト検索設定の容易なテストができます。
ts_debug([config
regconfig
, ]document
text
, OUTalias
text
, OUTdescription
text
, OUTtoken
text
, OUTdictionaries
regdictionary[]
, OUTdictionary
regdictionary
, OUTlexemes
text[]
) returns setof record
ts_debug
は、パーサが生成し、設定された辞書が処理したdocument
のすべてのトークンの情報を表示します。その際、config
で指定した設定が使われます。引数が省略されるとdefault_text_search_config
が使われます。
ts_debug
は、パーサが認識したテキスト中のトークンを1行につき一つ返します。
返却される列は以下です。
alias
text
— トークン型の短縮名
description
text
— トークン型の説明
token
text
— トークンテキスト
dictionaries
regdictionary[]
— 設定によってこのトークン型用に選択された辞書
dictionary
regdictionary
— トークンを認識した辞書。もし認識した辞書がなければ NULL
lexemes
text[]
— トークンを認識した辞書が生成した語彙素。もしどの辞書も認識しなければNULL
。空の配列({}
)が返った場合は、ストップワードとして認識されたことを示す
簡単な例を示します。
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}
もう少し高度なデモをお見せするために、まず英語用のpublic.english
設定と、Ispell辞書を作ります。
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}
この例では、単語Brightest
は、ASCII word
(別名はasciiword
)として認識されています。
このトークン型のための辞書リストはenglish_ispell
とenglish_stem
です。この単語はenglish_ispell
に認識され、名詞bright
へと縮退されています。単語supernovaes
はenglish_ispell
辞書には認識されず、次の辞書に渡され、幸い認識されました(実際には、english_stem
はSnowball辞書で、何でも認識します。それで、この辞書は辞書リストの最後に置かれているわけです)。
単語The
は、english_ispell
辞書によってストップワード(12.6.1)として認識されており、インデックス付けされません。空白も捨てられます。この設定では空白に関する辞書が提供されていないからです。
明示的に見たい列を指定することにより、出力の幅を減らすことができます。
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}
次にあげた関数により、テキスト検索パーサを直接テストすることができます。
ts_parse(parser_name
text
,document
text
, OUTtokid
integer
, OUTtoken
text
) returnssetof record
ts_parse(parser_oid
oid
,document
text
, OUTtokid
integer
, OUTtoken
text
) returnssetof record
ts_parse
は与えられたdocument
をパースし、パーサが生成したトークンを1行に1個もつ一連のレコードを返します。それぞれのレコードには、割り当てられたトークン型を示すtokid
と、テキストのトークンであるtoken
が含まれます。
例を示します。
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
, OUTtokid
integer
, OUTalias
text
, OUTdescription
text
) returnssetof record
ts_token_type(parser_oid
oid
, OUTtokid
integer
, OUTalias
text
, OUTdescription
text
) returnssetof record
ts_token_type
は、指定したパーサが認識できるトークン型を記述したテーブルを返します。各々のトークン型に対し、パーサがトークン型をラベル付けするのに使用する整数tokid
、設定コマンド中のトークンの名前であるalias
、簡単な説明であるdescription
が含まれます。
例を示します。
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
ts_lexize
関数は辞書のテストを支援します。
ts_lexize(dict
regdictionary
,token
text
) returnstext[]
ts_lexize
は、入力token
が辞書に認識されれば語彙素の配列を返します。辞書に認識され、それがストップワードである場合には空の配列を返します。認識されなければNULL
を返します。
例:
SELECT ts_lexize('english_stem', 'stars'); ts_lexize ----------- {star} SELECT ts_lexize('english_stem', 'a'); ts_lexize ----------- {}
ts_lexize
関数には、テキストではなく単一のトークンを与えます。これを間違えると次のようになります。
SELECT ts_lexize('thesaurus_astro', 'supernovae stars') is null; ?column? ---------- t
類語辞書thesaurus_astro
は語句supernovae stars
を認識しますが、ts_lexize
はしません。なぜなら、入力をテキストではなく、単一のトークンとして扱うからです。類語辞書をテストするには、plainto_tsquery
またはto_tsvector
を使ってください。例を示します。
SELECT plainto_tsquery('supernovae stars'); plainto_tsquery ----------------- 'sn'