Como funciona a busca de texto completo no PostgreSQL?

Question

Accepted Answer

PostgreSQL possui **busca de texto completo integrada** — buscando documentos/texto por palavras com stemming, ranking e sensibilidade de idioma, muito mais poderosa que `LIKE`. Usa tipos **`tsvector`** (documento processado) e **`tsquery`** (consulta de busca), com índices GIN para velocidade.

## O problema que LIKE não resolve

```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 e 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` converte texto em **lexemas** normalizados (reduz palavras à raiz, remove stop words), e `to_tsquery` analisa os termos de busca. O operador `@@` testa uma correspondência — então "running" (executando) corresponde a documentos contendo "run", "runs", etc.

## Uma coluna pesquisável + índice GIN (a configuração prática)

```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');
```

## Classificando resultados por relevância

```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` pontua o quão bem cada documento corresponde, permitindo resultados ordenados por relevância.

## Por que isso importa

A busca de texto completo integrada do PostgreSQL é um recurso valioso que permite implementar **funcionalidade de busca dentro do seu banco de dados** — sem precisar de um mecanismo de busca separado (como Elasticsearch) para muitos casos de uso — portanto, entender isso é útil para aplicações que precisam de busca de texto.

O valor-chave é que é muito mais poderosa que `LIKE` (que não consegue fazer stemming de palavras, classificar resultados ou ser indexada eficientemente): a busca de texto completo fornece **stemming de palavras** (correspondendo "running" para "run"), **remoção de stop words**, **sensibilidade de idioma**, **classificação por relevância**, e crucialmente é **indexável** (com índices GIN para buscas rápidas) — entregando recursos reais de busca (o tipo que os usuários esperam: correspondência de variações de palavras, classificação por relevância) diretamente no Postgres.

Compreender os conceitos principais — **`tsvector`** (texto de documento processado e reduzido à raiz), **`tsquery`** (termos de busca analisados), o operador de correspondência **`@@`**, e **`ts_rank`** para classificação de relevância — mais a configuração prática (uma coluna `tsvector` gerada indexada com GIN para desempenho) abrange como implementar busca eficaz.

Embora mecanismos de busca dedicados ofereçam mais para necessidades complexas, a busca de texto completo do Postgres é suficiente e conveniente para muitas aplicações (evitando a complexidade operacional de um sistema de busca separado e mantendo dados de busca consistentes com seus dados relacionais).

Como busca de texto é um requisito comum de aplicação, e como Postgres oferece busca de texto completo integrada capaz (poderosa, indexável, com stemming e ranking) que frequentemente é suficiente sem um mecanismo separado, entender isso — o modelo tsvector/tsquery, a configuração indexada e ranking — é conhecimento valioso e praticamente relevante que permite adicionar funcionalidade real de busca usando capacidades integradas do PostgreSQL, um recurso útil que frequentemente é ignorado em favor de soluções externas mais complexas quando o Postgres seria suficiente.