¿Cómo funciona la búsqueda de texto completo en PostgreSQL?

Question

Accepted Answer

PostgreSQL tiene **búsqueda de texto completo integrada** — buscar documentos/texto por palabras con stemming, ranking y conciencia del idioma, mucho más potente que `LIKE`. Utiliza tipos **`tsvector`** (documento procesado) y **`tsquery`** (consulta de búsqueda), con índices GIN para velocidad.

## El problema que LIKE no resuelve

```text
LIKE '%word%' → no stemming (won't match "running" for "run"), no ranking, no language
  awareness, and can't use an index well (leading wildcard) → slow and limited.
Full-text search → stems words, ignores stop words, ranks by relevance, indexable.
```

## tsvector y tsquery

```sql
-- to_tsvector — process text into searchable lexemes (stemmed, stop-words removed)
SELECT to_tsvector('english', 'The cats are running fast');
-- → 'cat':2 'fast':5 'run':4  (stemmed: cats→cat, running→run; "the"/"are" removed)

-- to_tsquery / plainto_tsquery — parse a search query
SELECT to_tsvector('english', body) @@ to_tsquery('english', 'running')
FROM articles;   -- @@ = the match operator; matches "run" stem
```

`to_tsvector` convierte texto en **lexemas** normalizados (reduce palabras a su raíz, elimina palabras vacías), y `to_tsquery` analiza los términos de búsqueda. El operador `@@` prueba si hay coincidencia — así "running" coincide con documentos que contienen "run", "runs", etc.

## Una columna buscable + índice GIN (la configuración práctica)

```sql
-- add a generated tsvector column and index it with GIN
ALTER TABLE articles ADD COLUMN search_vector tsvector
  GENERATED ALWAYS AS (to_tsvector('english', title || ' ' || body)) STORED;
CREATE INDEX idx_search ON articles USING GIN (search_vector);

-- fast searches using the index
SELECT title FROM articles
WHERE search_vector @@ plainto_tsquery('english', 'machine learning');
```

## Clasificar resultados por relevancia

```sql
SELECT title, ts_rank(search_vector, query) AS rank
FROM articles, plainto_tsquery('english', 'database') query
WHERE search_vector @@ query
ORDER BY rank DESC;          -- most relevant first
```

`ts_rank` califica qué tan bien coincide cada documento, permitiendo resultados ordenados por relevancia.

## Por qué es importante

La búsqueda de texto completo integrada de PostgreSQL es una característica valiosa que te permite implementar **funcionalidad de búsqueda dentro de tu base de datos** — sin necesidad de un motor de búsqueda separado (como Elasticsearch) para muchos casos de uso — así que entenderla es útil para aplicaciones que necesitan búsqueda de texto.

El valor clave es que es mucho más potente que `LIKE` (que no puede hacer stemming de palabras, clasificar resultados o ser indexada eficientemente): la búsqueda de texto completo proporciona **stemming de palabras** (coincidencia de "running" para "run"), **eliminación de palabras vacías**, **conciencia del idioma**, **clasificación por relevancia**, y crucialmente es **indexable** (con índices GIN para búsquedas rápidas) — entregando verdaderas capacidades de búsqueda (del tipo que los usuarios esperan: coincidencia de variaciones de palabras, clasificación por relevancia) directamente en Postgres.

Entender los conceptos principales — **`tsvector`** (texto del documento procesado y reducido a raíz), **`tsquery`** (términos de búsqueda analizados), el operador **`@@`** de coincidencia, y **`ts_rank`** para clasificación por relevancia — más la configuración práctica (una columna `tsvector` generada indexada con GIN para rendimiento) cubre cómo implementar búsqueda efectiva.

Si bien los motores de búsqueda dedicados ofrecen más para necesidades complejas, la búsqueda de texto completo de Postgres es suficiente y conveniente para muchas aplicaciones (evitando la complejidad operativa de un sistema de búsqueda separado y manteniendo los datos de búsqueda consistentes con tus datos relacionales).

Ya que la búsqueda de texto es un requisito de aplicación común, y como Postgres proporciona búsqueda de texto completo integrada capaz (potente, indexable, con stemming y clasificación) que a menudo es suficiente sin un motor de búsqueda separado, entenderla — el modelo tsvector/tsquery, la configuración indexada, y la clasificación — es conocimiento valioso y prácticamente relevante que te permite agregar verdadera funcionalidad de búsqueda usando las capacidades integradas de PostgreSQL, una característica útil que a menudo se pasa por alto en favor de soluciones externas más complejas cuando Postgres sería suficiente.