PostgreSQL ha ricerca full-text integrata — cercare documenti/testo per parole con stemming, ranking e consapevolezza linguistica, molto più potente di LIKE. Utilizza i tipi tsvector (documento elaborato) e tsquery (query di ricerca), con indici GIN per la velocità.
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.
-- 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 converte il testo in lexeme normalizzati (riduce le parole, rimuove stop word), e to_tsquery analizza i termini di ricerca. L'operatore @@ verifica una corrispondenza — quindi "running" corrisponde a documenti contenenti "run", "runs", ecc.
-- 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');
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 assegna un punteggio a quanto bene ogni documento corrisponde, abilitando risultati ordinati per rilevanza.
La ricerca full-text integrata di PostgreSQL è una caratteristica preziosa che ti permette di implementare funzionalità di ricerca all'interno del tuo database — senza necessità di un motore di ricerca separato (come Elasticsearch) per molti casi d'uso — quindi comprendere come funziona è utile per applicazioni che richiedono ricerca testuale.
Il valore chiave è che è molto più potente di LIKE (che non può ridurre parole, rankingare risultati o essere indicizzato in modo efficiente): la ricerca full-text fornisce stemming delle parole (corrispondenza di "running" per "run"), rimozione di stop word, consapevolezza linguistica, ranking per rilevanza, ed è crucialmente indicizzabile (con indici GIN per ricerche veloci) — offrendo vere capacità di ricerca (il tipo di cui gli utenti si aspettano: corrispondenza di variazioni di parole, ranking per rilevanza) direttamente in Postgres.
Comprendere i concetti principali — tsvector (testo del documento elaborato e ridotto), tsquery (termini di ricerca analizzati), l'operatore match @@, e ts_rank per il ranking di rilevanza — più la configurazione pratica (una colonna tsvector generata indicizzata con GIN per performance) copre come implementare una ricerca efficace.
Mentre i motori di ricerca dedicati offrono di più per esigenze complesse, la ricerca full-text di Postgres è sufficiente e conveniente per molte applicazioni (evitando la complessità operativa di un sistema di ricerca separato e mantenendo i dati di ricerca coerenti con i tuoi dati relazionali).
Poiché la ricerca testuale è un requisito comune delle applicazioni, e poiché Postgres fornisce ricerca full-text integrata capace (potente, indicizzabile, con stemming e ranking) che spesso è sufficiente senza un motore di ricerca separato, comprenderla — il modello tsvector/tsquery, la configurazione indicizzata e il ranking — è una conoscenza preziosa e pratica che ti permette di aggiungere vere funzionalità di ricerca usando le capacità built-in di PostgreSQL, una caratteristica utile che è spesso trascurata a favore di soluzioni esterne più complesse quando Postgres sarebbe sufficiente.