What is the pg_jieba extension - PolarDB: Central de Documentação do Alibaba Cloud

Pré-requisitos

O PolarDB for PostgreSQL oferece suporte às seguintes versões:

PostgreSQL 15 (versão secundária do mecanismo 15.7.2.0 ou posterior)
PostgreSQL 14 (versão secundária do mecanismo 14.5.2.0 ou posterior)
PostgreSQL 11 (versão secundária do mecanismo 1.1.28 ou posterior)

Nota

Execute a instrução a seguir para visualizar a versão secundária do mecanismo do seu cluster PolarDB for PostgreSQL:

PostgreSQL 15 e PostgreSQL 14
```
SELECT version();
```
PostgreSQL 11
```
SHOW polar_version;
```

Introdução

A extensão pg_jieba fornece as seguintes configurações de busca de texto:

jiebacfg: Modo preciso. Divide o texto com precisão, sem gerar palavras redundantes.
jiebaqry: Modo completo. Verifica todas as possíveis palavras correspondentes no texto, podendo produzir termos redundantes.
jiebacfg_pos: Modo preciso com posição. Adiciona informações de índice de posição aos resultados do modo preciso. Também exibe stop words, ignoradas no modo preciso por aparecerem com muita frequência e não serem úteis nas buscas.

Uso

Instale ou desinstalar a extensão

Nota

Somente contas privilegiadas podem executar comandos para instalar ou desinstalar a extensão.

Instale a extensão:
```
CREATE EXTENSION pg_jieba;
```
Desinstale a extensão:
```
DROP EXTENSION pg_jieba;
```

Exemplos

Exemplo 1

Use a configuração do modo preciso jiebacfg:

SELECT * FROM to_tsvector('jiebacfg', 'Xiaoming, a master''s graduate from the Institute of Computing Technology, Chinese Academy of Sciences, later pursued advanced studies at Kyoto University in Japan');

Resultado retornado:

                                   to_tsvector
----------------------------------------------------------------------------------
 'Chinese Academy of Sciences':5 'Xiaoming':1 'Kyoto University':10 'graduate':3 'advanced studies':11 'master''s':2 'Institute of Computing Technology':6
(1 row)

Use a configuração do modo completo jiebaqry:

SELECT * FROM to_tsvector('jiebaqry', 'Xiaoming, a master''s graduate from the Institute of Computing Technology, Chinese Academy of Sciences, later pursued advanced studies at Kyoto University in Japan');

Resultado retornado:

                                                                           to_tsvector
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
 'China':5 'Chinese Academy of Sciences':9 'Kyoto':16 'University':17 'Academy':7 'Xiaoming':1 'Japan':15 'Kyoto University':18 'graduate':3 'advanced studies':19 'master''s':2 'Science':6 'Academy of Sciences':8 'Computing':10 'Institute of Computing Technology':11
(1 row)

Use a configuração do modo preciso com posição jiebacfg_pos:

SELECT * FROM to_tsvector('jiebacfg_pos', 'Xiaoming, a master''s graduate from the Institute of Computing Technology, Chinese Academy of Sciences, later pursued advanced studies at Kyoto University in Japan');

Resultado retornado:

                                                               to_tsvector                                                                
------------------------------------------------------------------------------------------------------------------------------------------
 'Chinese Academy of Sciences:7':5 'from:6':4 'later:16':8 'at:17':9 'Xiaoming:0':1 'Kyoto University:18':10 'graduate:4':3 'advanced studies:24':11 'master''s:2':2 'Institute of Computing Technology:12':6 ',:15':7
(1 row)

Exemplo 2

Use a configuração do modo preciso jiebacfg:

SELECT * FROM to_tsvector('jiebacfg', 'Li Xiaofu is the director of the innovation office and an expert in the cloud computing field');

Resultado retornado:

                            to_tsvector
-------------------------------------------------------------------
 'expert':11 'director':5 'cloud computing':8 'innovation':3 'office':4 'field':9 'Li Xiaofu':1
(1 row)

Use a configuração do modo completo jiebaqry:

SELECT * FROM to_tsvector('jiebaqry', 'Li Xiaofu is the director of the innovation office and an expert in the cloud computing field');

Resultado retornado:

                                 to_tsvector
-----------------------------------------------------------------------------
 'expert':12 'director':5 'cloud computing':9 'innovation':3 'office':4 'field':10 'Li Xiaofu':1 'computing':8
(1 row)

Use a configuração do modo preciso com posição jiebacfg_pos:

SELECT * FROM to_tsvector('jiebacfg_pos', 'Li Xiaofu is the director of the innovation office and an expert in the cloud computing field');

Resultado retornado:

                                                        to_tsvector                                                        
---------------------------------------------------------------------------------------------------------------------------
 'expert:17':11 'director:7':5 'also:9':6 'cloud computing:11':8 'innovation:4':3 'office:6':4 'field:14':9 'is:10':7 'is:3':2 'Li Xiaofu:0':1 'of:16':10
(1 row)

Recursos estendidos

O pg_jieba permite configure e alternar entre vários dicionários personalizados.

Nota

Para usar o recurso de dicionário personalizado, adicione pg_jieba ao parâmetro shared_preload_libraries. Defina esse parâmetro no console. Para mais informações, consulte Set cluster parameters. Como a modificação desse parâmetro reinicia o cluster, planeje suas operações adequadamente e proceda com cautela.

Insira dados no dicionário 0. Por padrão, o dicionário 0 é utilizado e possui peso 10.

INSERT INTO jieba_user_dict VALUES ('Alibaba Cloud');
INSERT INTO jieba_user_dict VALUES ('R&D engineer',0,10);

Tokenize o texto usando o dicionário Jieba padrão.

SELECT * FROM to_tsvector('jiebacfg', 'zth is an R&D engineer at Alibaba Cloud');

Resultado retornado:

                     to_tsvector
------------------------------------------------------
 'zth':1 'an':6 'Cloud':4 'engineer':8 'R&D':7 'Ali':3
(1 row)

Alterne para o dicionário personalizado 0.

SELECT jieba_load_user_dict(0);

Resultado retornado:

 jieba_load_user_dict
----------------------

(1 row)

Tokenize o texto usando o dicionário 0.

SELECT * FROM to_tsvector('jiebacfg', 'zth is an R&D engineer at Alibaba Cloud');

Resultado retornado:

                to_tsvector
--------------------------------------------
 'zth':1 'an':5 'R&D engineer':6 'Alibaba Cloud':3
(1 row)