Warm tip: This article is reproduced from serverfault.com, please click
database postgresql search sql

sql-通过数据库中的文本字段实现智能搜索

(sql - Implement smart search by text field in database)

发布于 2020-11-27 23:28:28

假设我有一个以moviefield命名的表name，即VARCHARfield。

我想在我的网站中实现一个搜索栏，以便当用户输入字符串时，我可以查询具有该名称的电影。

我的第一种方法很幼稚：

select *
from movie
where name like '%user_string%';

限制是：

  1. 特殊的角色。假设用户字符串是“ Lets go”，即使缺少撇号，我希望它返回名称为“ Let's go”的电影。
  2. 口音。假设用户字符串是“ Pokemon”，即使缺少重音符号，我希望它返回名称为“Pokémon”的电影。

我的想法是创建一个附加normalized_name字段，该name字段使用去除了所有特殊字符和重音符号的字段进行计算。然后查询将变为：

select *
from movie
where normalized_name like '%user_string%';

例如：用户搜索pokemon，数据库查询返回带有normalized_name=的电影pokemon，真实名称为Pokémon。显然，用户字符串也将首先进行规范化-以便也允许通过电影真实姓名进行搜索。

现在，这是一种有效的方法吗？什么是最广泛使用的-可能还会使搜索变得更好？有关于这个问题的文献吗？

Questioner
Matteo Silvestro
Viewed
0
分享
Laurenz Albe 2020-11-30 14:56:23

在该列的精简版本上创建一个三字母索引：

  1. 创建必要的扩展并创建一个不可变的unaccent被称为f_unaccent（有关更多信息，请参见此处）：

    CREATE EXTENSION pg_trgm;
CREATE EXTENSION unaccent;

CREATE OR REPLACE FUNCTION public.immutable_unaccent(regdictionary, text)
RETURNS text LANGUAGE c IMMUTABLE PARALLEL SAFE STRICT AS
'$libdir/unaccent', 'unaccent_dict';

CREATE OR REPLACE FUNCTION public.f_unaccent(text)
RETURNS text LANGUAGE sql IMMUTABLE PARALLEL SAFE STRICT AS
$func$
SELECT public.immutable_unaccent(regdictionary 'public.unaccent', $1)
$func$;

  2. 在列上创建三元组索引：

    CREATE INDEX ON movie USING gin (translate(f_unaccent(name), '''', '') gin_trgm_ops);

  3. 现在执行以下查询：

    SELECT * FROM movie
WHERE translate(f_unaccent(name), '''', '') ILIKE translate(f_unaccent('user_string'), '''');

热门github

1
Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information (翻译：论文实现——YOLOv9: Learning What You Want to Learn using Programmable Gradient Information（利用可编程梯度信息学习您想学的内容）)
2
A Windows and Office activator using HWID / Ohook / KMS38 / Online KMS activation methods, with a focus on open-source code and fewer antivirus detections. (翻译：使用 HWID / KMS38 / Online KMS 激活方法激活 Microsoft 产品的脚本集合，重点是开源代码、较少的防病毒检测和用户友好性。)
3
Get up and running with Llama 2, Mistral, Gemma, and other large language models. (翻译：启动并运行 Llama 2、Mistral、Gemma 和其他大型语言模型。)
4
该项目可以让你通过订阅的方式使用Cloudflare WARP+，自动获取流量。This project enables you to use Cloudflare WARP+ through subscription, automatically acquiring traffic.
5
Multi functional app to find duplicates, empty folders, similar images etc. (翻译：多功能应用程序可查找重复项、空文件夹、相似图像等。)
6
Xray panel supporting multi-protocol multi-user expire day & traffic & ip limit (Vmess & Vless & Trojan & ShadowSocks & Wireguard) (翻译：Xray面板支持多协议多用户到期日&流量&IP限制（Vmess & Vless & Trojan & ShadowSocks & Wireguard)
7
The Free Software Media System (翻译：Jellyfin 是一个免费软件媒体系统，可让您控制管理和流式传输您的媒体。它是专有 Emby 和 Plex 的替代方案，通过多个应用程序从专用服务器向最终用户设备提供媒体。)
8
lightweight, standalone C++ inference engine for Google's Gemma models. (翻译：适用于 Google Gemma 模型的轻量级独立 C++ 推理引擎。)
9
📚 Freely available programming books (翻译：📚 免费提供的编程书籍)
10
A collective list of free APIs (翻译：免费 API 的集合列表)
11
1️⃣🐝🏎️ The One Billion Row Challenge -- A fun exploration of how quickly 1B rows from a text file can be aggregated with Java (翻译：十亿行挑战 —— 使用 Java 对文本文件中的 10 亿行数据进行聚合的有趣探索)
12
🎓 Path to a free self-taught education in Computer Science! (翻译：🎓计算机科学免费自学教程！)
13
Curso para aprender el lenguaje de programación Python desde cero y para principiantes. 75 clases, 37 horas en vídeo, código, proyectos y grupo de chat. Fundamentos, frontend, backend, testing, IA... (翻译：从零开始学习 Python 编程语言的课程，适合初学者)
14
This repository contains System Design resources which are useful while preparing for interviews and learning Distributed Systems (翻译：该存储库包含系统设计资源，在准备面试和学习分布式系统时非常有用)
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention. (翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)