PostgreSQL 中的全文搜索是如何工作的？

Question

Accepted Answer

PostgreSQL 内置了**全文搜索**功能——在文档/文本中搜索词语，支持词干提取、相关性排名和语言感知，远比 `LIKE` 强大。它使用 **`tsvector`**（处理后的文档）和 **`tsquery`**（搜索查询）这两种类型，并配合 GIN 索引来提升速度。

## LIKE 无法解决的问题

```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 和 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` 将文本转换为规范化的**词位（lexeme）**（提取词干、去除停用词），`to_tsquery` 则解析搜索词。`@@` 运算符用于测试是否匹配——因此 "running" 能匹配到包含 "run"、"runs" 等的文档。

## 可搜索列 + GIN 索引（实用配置）

```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');
```

## 按相关性对结果排名

```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` 会对每个文档的匹配程度打分，从而支持按相关性排序的结果。

## 为什么这很重要

PostgreSQL 内置的全文搜索是一项很有价值的功能，它让你能够**在数据库内部实现搜索功能**——在许多使用场景下无需单独部署搜索引擎（如 Elasticsearch）——因此理解它对需要文本搜索的应用很有帮助。

其核心价值在于它远比 `LIKE` 强大（`LIKE` 无法提取词干、无法对结果排名，也无法被高效索引）：全文搜索提供**词干提取**（用 "run" 匹配 "running"）、**停用词去除**、**语言感知**、**相关性排名**，并且关键的是它是**可索引的**（用 GIN 索引实现快速搜索）——直接在 Postgres 中提供了真正的搜索能力（即用户期望的那种：匹配词形变化、按相关性排名）。

理解这些核心概念——**`tsvector`**（处理后、提取过词干的文档文本）、**`tsquery`**（解析后的搜索词）、**`@@`** 匹配运算符，以及用于相关性排名的 **`ts_rank`**——再加上实用配置（用 GIN 索引的生成 `tsvector` 列以获得性能），就覆盖了如何实现高效搜索。

虽然专用搜索引擎在复杂需求上提供得更多，但 Postgres 全文搜索对许多应用来说已经足够且方便（避免了单独搜索系统的运维复杂度，并使搜索数据与你的关系型数据保持一致）。

由于文本搜索是常见的应用需求，而 Postgres 提供了能干的内置全文搜索（强大、可索引、支持词干提取和排名）且往往无需单独的搜索引擎，因此理解它——tsvector/tsquery 模型、索引化配置以及排名——是一项有价值、切合实际的知识，它让你能够利用 PostgreSQL 的内置能力添加真正的搜索功能，这是一项实用的功能，在 Postgres 本可胜任时却常常被人忽视而转向更复杂的外部方案。