Lekce 25 - PostgreSQL - Fulltextové vyhledávání - Fulltextový index

V předchozí lekci, PostgreSQL - Fulltextové vyhledávání, jsme si představili fulltextové vyhledávání v PostgreSQL databázích a podívali se na jeho výhody oproti klasickému hledání.

V dnešním PostgreSQL tutoriálu se opět podíváme na fulltextové vyhledávání. Naučíme se vytvářet vlastní konfigurace textového vyhledávání, čímž si zlepšíme možnosti vyhledávání v českém jazyce. A také naši databázi rozšíříme o fulltextový index.

Vše si ukážeme na databázi databaze_pro_web. Jestliže již tuto databázi nemáte, tak si její aktuální verzi můžete stáhnout pod článkem a naimportovat.

Konfigurace textového vyhledávání

Konfigurace textového vyhledávání řídí míru a způsob redukce dokumentů a vyhledávaných výrazů na tsvector a tsquery. Každá taková konfigurace je definována těmito složkami:

• Slovníky - používají se k odebrání slov, která by neměla být uvažována při hledání (tzv. stop slova). A dále k normalizaci slov, aby se různé odvozené formy stejného slova shodovaly. Úspěšně normalizované slovo se nazývá lexém. Jedna konfigurace může obsahovat klidně i více slovníků.
• Parser (analyzátor) - slouží k rozdělení textu na tzv. tokeny, tedy jednotlivá slova nebo fráze. Tyto tokeny nabývají různých datových typů, podle toho v jakém formátu jsou daná slova nebo fráze, např. máme typy asciiword, word, hword, hword_part, email, url, int a další.

Tvorba slovníku

Slovníky se v PostgreSQL tvoří podle šablon.

Šablony poskytují funkce, pomocí kterých se slovníky vytváří z předaných souborů s požadovanými daty. Jedná se např. o soubory se stop slovy, předponami, příponami, synonymy, atd.

Šablony si můžeme sami vytvořit nebo využít již předpřipravených od PostgreSQL:

...konec náhledu článku...
Pokračuj dál