pg_jieba 是用于中文分词全文搜索的 PostgreSQL 插件。

注意事项

pg_jieba 除提供基本的分词功能外，也提供了定制分词的能力。使用定制分词的能力前需要将 pg_jieba 加入 shared_preload_libraries 参数。关于修改参数的详细信息，请参见修改参数。

说明 修改该参数需要重启实例以使修改生效，建议在修改参数前提前做好业务规划和影响评估。

创建与删除插件

• 创建插件

  create extension pg_jieba;
  

• 删除插件

  drop extension pg_jieba;
  

使用插件

• 基本使用

  postgres=# select * from to_tsquery('jiebacfg', '是拖拉机学院手扶拖拉机专业的。不用多久，我就会升职加薪，当上CEO，走上人生巅峰。');
                                                              to_tsquery                                                            
  ----------------------------------------------------------------------------------------------------------------------------------
   '拖拉机' & '学院' & '手扶拖拉机' & '专业' & '不用' & '多久' & '会' & '升职' & '加薪' & '当上' & 'ceo' & '走上' & '人生' & '巅峰'
  (1 row)
  
  postgres=# select * from to_tsvector('jiebacfg', '是拖拉机学院手扶拖拉机专业的。不用多久，我就会升职加薪，当上CEO，走上人生巅峰。');
                                                                  to_tsvector                                                                 
  --------------------------------------------------------------------------------------------------------------------------------------------
   'ceo':18 '不用':8 '专业':5 '人生':21 '会':13 '加薪':15 '升职':14 '多久':9 '学院':3 '巅峰':22 '当上':17 '手扶拖拉机':4 '拖拉机':2 '走上':20
  (1 row)
  
  -- Token And Tag
  postgres=# select * from ts_token_type('jieba');
   tokid | alias |         description         
  -------+-------+-----------------------------
       1 | eng   | letter
       2 | nz    | other proper noun
       3 | n     | noun
       4 | m     | numeral
       5 | i     | idiom
       6 | l     | temporary idiom
       7 | d     | adverb
       8 | s     | space
       9 | t     | time
      10 | mq    | numeral-classifier compound
      11 | nr    | person's name
      12 | j     | abbreviate
      13 | a     | adjective
      14 | r     | pronoun
      15 | b     | difference
      16 | f     | direction noun
      17 | nrt   | nrt
      18 | v     | verb
      19 | z     | z
      20 | ns    | location
      21 | q     | quantity
      22 | vn    | vn
      23 | c     | conjunction
      24 | nt    | organization
      25 | u     | auxiliary
      26 | o     | onomatopoeia
      27 | zg    | zg
      28 | nrfg  | nrfg
      29 | df    | df
      30 | p     | prepositional
      31 | g     | morpheme
      32 | y     | modal verbs
      33 | ad    | ad
      34 | vg    | vg
      35 | ng    | ng
      36 | x     | unknown
      37 | ul    | ul
      38 | k     | k
      39 | ag    | ag
      40 | dg    | dg
      41 | rr    | rr
      42 | rg    | rg
      43 | an    | an
      44 | vq    | vq
      45 | e     | exclamation
      46 | uv    | uv
      47 | tg    | tg
      48 | mg    | mg
      49 | ud    | ud
      50 | vi    | vi
      51 | vd    | vd
      52 | uj    | uj
      53 | uz    | uz
      54 | h     | h
      55 | ug    | ug
      56 | rz    | rz
  (56 rows)
  

• 进阶使用——定制分词效果

  完成前提条件后，可得下面的参数生效，这些配置选项可以帮助定制分词效果，以适应特定的业务需求。

  pg_jieba.hmm_model -- HMM Model file.
  pg_jieba.base_dict -- Base dictionary.
  pg_jieba.user_dict -- csv list of specific user dictionary name(Exclude suffix .dict). All should located in dir tsearch_data.
  

其他

更多信息，请参见 pg_jieba 官方文档。