CREATE TEXT SEARCH DICTIONARY
功能描述
创建一个新的全文检索词典。词典是一种指定在全文检索时识别特定词并处理的方法。
词典的创建依赖于预定义模板(在系统表PG_TS_TEMPLATE中定义),支持创建五种类型的词典,分别是Simple、Ispell、Synonym、Thesaurus以及Snowball,每种类型的词典可以完成不同的任务。
注意事项
- 具有SYSADMIN权限的用户可以执行创建词典操作,创建该词典的用户自动成为其所有者。
- 临时模式(pg_temp)下不允许创建词典。
- 创建或修改词典之后,任何对于用户自定义的词典定义文件的修改,将不会影响到数据库中的词典。如果需要在数据库中使用这些修改,需使用ALTER语句更新对应词典的定义文件。
语法格式
CREATE TEXT SEARCH DICTIONARY name (
TEMPLATE = template
[, option = value [, ... ]]
);
参数说明
-
name
要创建的词典的名称(可指定模式名,否则在当前模式下创建)。
取值范围:符合标识符命名规范的字符串,且最大长度不超过63个字符。
-
template
模板名。
取值范围:系统表PG_TS_TEMPLATE中定义的模板:Simple/Synonym/Thesaurus/Ispell/Snowball。
-
option
参数名。与template值对应,不同的词典模板具有不同的参数列表,且与指定顺序无关。
-
Simple词典对应的option
-
STOPWORDS
停用词表文件名,默认后缀名为stop。停用词文件格式为一组word列表,每行定义一个停用词。词典处理时,文件中的空行和空格会被忽略,并将stopword词组转换为小写形式。
-
ACCEPT
是否将非停用词设置为已识别。默认值为true。
当Simple词典设置参数ACCEPT=true时,将不会传递任何token给后继词典,此时建议将其放置在词典列表的最后。反之,当ACCEPT=false时,建议将该Simple词典放置在列表中的至少一个词典之前。
-
FILEPATH
词典文件所在目录。目录可以指定为本地目录和OBS目录(只能在安全模式下指定OBS目录,通过启动时添加securitymode选项进入安全模式)。其中,本地目录格式为“file://absolute_path”,OBS目录格式为“obs://bucket_name/path accesskey=ak secretkey=sk region=rg”。默认值为预定义词典文件所在目录。FILEPATH参数必须和STOPWORDS参数同时指定,不允许单独指定。
-
-
Synonym词典对应的option
-
SYNONYM
同义词词典的定义文件名,默认后缀名为syn。
文件格式为一组同义词列表,每行格式为“token synonym”,即token和其对应的synonym,中间以空格相连。
-
CASESENSITIVE
设置是否大小写敏感,默认值为false,此时词典文件中的token和synonym均会转为小写形式处理。如果设置为true,则不会进行小写转换。
-
FILEPATH
同义词词典文件所在目录。目录可以指定为本地目录和OBS目录两种形式(只能在安全模式下指定OBS目录,通过启动时添加securitymode选项进入安全模式)。其中,本地目录格式为“file://absolute_path”,OBS目录格式为“obs://bucket_name/path accesskey=ak secretkey=sk region=rg”。默认值为预定义词典文件所在目录。
-
-
Thesaurus词典对应的option
-
DICTFILE
词典定义文件名,默认后缀名为ths。
文件格式为一组同义词列表,每行格式为“sample words : indexed words”,中间冒号(:)作为短语和其替换词间的分隔符。TZ词典处理时,如果有多个匹配的sample words,将选择最长匹配输出。
-
DICTIONARY
用于词规范化的子词典名,必须且仅能定义一个。该词典必须是已经存在的,在检查短语匹配之前使用,用于识别和规范输入文本。
如果子词典无法识别输入词,将会报错。此时,需要移除该词或者更新子词典使其识别。此外,可在indexed words的开头放上一个星号(*)来跳过在其上应用子词典,但是所有sample words必须可以被子词典识别。
如果词典文件定义的sample words中,含有子词典中定义的停用词,需要用问号(?)替代停用词。假设a和the是子词典中所定义的停用词,如下:
? one ? two : swsw
上述同义词组定义会匹配“a one the two”以及“the one a two”,这两个短语均会被swsw替代输出。
-
FILEPATH
词典定义文件所在目录。目录可以指定为本地目录和OBS目录两种形式(只能在安全模式下指定OBS目录,通过启动时添加securitymode选项进入安全模式)。其中,本地目录格式为“file://absolute_path”,OBS目录格式为“obs://bucket_name/path accesskey=ak secretkey=sk region=rg”。默认值为预定义词典文件所在目录。
-
-
Ispell词典
-
DICTFILE
词典定义文件名,默认后缀名为dict。
-
AFFFILE
词缀文件名,默认后缀名为affix。
-
STOPWORDS
停用词文件名,默认后缀名为stop,文件格式要求与Simple类型词典的停用词文件相同。
-
FILEPATH
词典文件所在目录。可以指定为本地目录和OBS目录两种形式(只能在安全模式下指定OBS目录,通过启动时添加securitymode选项进入安全模式)。其中,本地目录格式为“file://absolute_path”,OBS目录格式为“obs://bucket_name/path accesskey=ak secretkey=sk region=rg”。默认值为预定义词典文件所在目录。
-
-
Snowball词典
-
LANGUAGE
语言名,标识使用哪种语言的词干分析算法。算法按照对应语言中的拼写规则,缩减输入词的常见变体形式为一个基础词或词干。
-
STOPWORDS
停用词表文件名,默认后缀名为stop,文件格式要求与Simple类型词典的停用词文件相同。
-
FILEPATH
词典定义文件所在目录。可以指定为本地目录或者OBS目录(只能在安全模式下指定OBS目录,通过启动时添加securitymode选项进入安全模式)。其中,本地目录格式为“file://absolute_path”,OBS目录格式为“obs://bucket_name/path accesskey=ak secretkey=sk region=rg”。默认值为预定义词典文件所在目录。FILEPATH参数必须和STOPWORDS参数同时指定,不允许单独指定。
-
说明:
词典定义文件的文件名仅支持小写字母、数据、下划线混合。
-
-
value
参数值。如果不是简单的标识符或数字,则参数值必须加单引号(标示符和数字同样可以加上单引号)。
示例
请参见配置示例一节的示例。