PostgreSQL mempunyai full-text search terbina dalam — mencari dokumen/teks untuk perkataan dengan stemming, kedudukan (ranking), dan kesedaran bahasa, jauh lebih berkuasa daripada LIKE. Ia menggunakan jenis tsvector (dokumen yang diproses) dan tsquery (pertanyaan carian), dengan indeks GIN untuk kelajuan.
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 menukar teks kepada leksem ternormal (stem perkataan, buang stop word), dan to_tsquery menghuraikan istilah carian. Operator @@ menguji untuk padanan — jadi "running" memadankan dokumen yang mengandungi "run", "runs", dll.
-- 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 menjaringkan sebaik mana setiap dokumen memadankan, membolehkan keputusan tersusun mengikut relevan.
Full-text search terbina dalam PostgreSQL ialah ciri bernilai yang membolehkan anda melaksanakan fungsi carian dalam pangkalan data anda — tanpa memerlukan enjin carian berasingan (seperti Elasticsearch) untuk banyak kes penggunaan — jadi memahaminya berguna untuk aplikasi yang memerlukan carian teks.
Nilai utamanya ialah ia jauh lebih berkuasa daripada LIKE (yang tidak boleh stem perkataan, menyusun keputusan, atau diindeks dengan cekap): full-text search menyediakan stemming perkataan (memadankan "running" untuk "run"), pembuangan stop word, kesedaran bahasa, kedudukan relevan, dan yang penting boleh diindeks (dengan indeks GIN untuk carian pantas) — menyampaikan keupayaan carian sebenar (jenis yang dijangka pengguna: memadankan variasi perkataan, menyusun mengikut relevan) terus dalam Postgres.
Memahami konsep teras — tsvector (teks dokumen yang diproses dan distem), tsquery (istilah carian yang dihuraikan), operator padanan @@, dan ts_rank untuk kedudukan relevan — serta persediaan praktikal (lajur tsvector yang dijana diindeks dengan GIN untuk prestasi) merangkumi cara melaksanakan carian yang berkesan.
Walaupun enjin carian khusus menawarkan lebih untuk keperluan kompleks, full-text search Postgres adalah mencukupi dan mudah untuk banyak aplikasi (mengelakkan kerumitan operasi sistem carian berasingan dan memastikan data carian konsisten dengan data hubungan anda).
Memandangkan carian teks ialah keperluan aplikasi yang lazim, dan memandangkan Postgres menyediakan full-text search terbina dalam yang berkemampuan (berkuasa, boleh diindeks, dengan stemming dan kedudukan) yang selalunya mencukupi tanpa enjin carian berasingan, memahaminya — model tsvector/tsquery, persediaan terindeks, dan kedudukan — ialah pengetahuan bernilai dan relevan secara praktikal yang membolehkan anda menambah fungsi carian sebenar menggunakan keupayaan terbina dalam PostgreSQL, ciri berguna yang sering terabai memihak kepada penyelesaian luaran yang lebih kompleks apabila Postgres sudah mencukupi.