PostgreSQL unaccent
- F.43.1. 配置
- F.43.2. 用法
- F.43.3. 函数
unaccent是一个文本搜索字典，它能从词位中移除重音（附加符号）。它是一个过滤词典，这表示它的输出总是会被传递给下一个字典（如果有），这和字典的通常行为不同。这允许为全文搜索做与重音无关的处理。
unaccent的当前实现不能被用作thesaurus字典的正规化字典。
这个模块被认为是“可信的”，也就是说，它可以由对当前数据库具有CREATE权限的非超级用户安装。
F.43.1. 配置
unaccent字典接受下列选项：
-
RULES是包含翻译规则列表的文件的基本名。这个文件必须被存储在$SHAREDIR/tsearch_data/（这里$SHAREDIR表示PostgreSQL安装的共享数据目录）中。它的名称必须以.rules（不包含在RULES参数中）结束。
规则文件具有下面的格式：
-
每一行表示一个由带有重音的字符和不带重音的字符构成的对。第一个字符将被翻译成第二个。例如：
À A Á A Â A Ã A Ä A Å A Æ AE两个字符必须由空格分隔，并且一行上的任何前导或尾随空白都将被忽略。
-
或者，如果一行只给出一个字符，则删除该字符的实例; 这在用单独的字符表示重音的语言中是有用的。
-
实际上，每个“字符”可以是不包含空格的任何字符串，因此， 除了去除变音符之外，
unaccent字典也可以用于其他类型的字符串替换。 -
与其他PostgreSQL文本搜索配置文件一样， 规则文件必须以UTF-8编码方式存储。加载时，数据将自动转换为当前数据库的编码。 任何含有不可翻译字符的行都将被忽略，因此规则文件可以包含当前编码中不适用的规则。
在unaccent.rules中可以找到一个更完整的例子，它可以直接用于大部分欧洲语言，当unaccent模块被安装时，它被安装在$SHAREDIR/tsearch_data/中。
F.43.2. 用法
安装unaccent扩展会创建一个文本搜索模板unaccent和一个基于前者的字典unaccent。unaccent字典有默认的参数设置RULES='unaccent'，这会让该字典使用标准的unaccent.rules文件。如果希望修改该参数，可以
mydb=# ALTER TEXT SEARCH DICTIONARY unaccent (RULES='my_rules');或者基于该模板创建新的字典。
要测试该字典，你可以尝试：
mydb=# select ts_lexize('unaccent','Hôtel');
ts_lexize
-----------
{Hotel}
(1 row)
这里是一个展示把unaccent字典插入到一个文本搜索配置的例子：
mydb=# CREATE TEXT SEARCH CONFIGURATION fr ( COPY = french );
mydb=# ALTER TEXT SEARCH CONFIGURATION fr
ALTER MAPPING FOR hword, hword_part, word
WITH unaccent, french_stem;
mydb=# select to_tsvector('fr','Hôtels de la Mer');
to_tsvector
-------------------
'hotel':1 'mer':4
(1 row)
mydb=# select to_tsvector('fr','Hôtel de la Mer') @@ to_tsquery('fr','Hotels');
?column?
----------
t
(1 row)
mydb=# select ts_headline('fr','Hôtel de la Mer',to_tsquery('fr','Hotels'));
ts_headline
------------------------
<b>Hôtel</b> de la Mer
(1 row)
F.43.3. 函数
unaccent()函数从一个给定的字符串中移除重音（附加符号）。基本上，它是unaccent字典的一个包装器，但是它能在普通的文本搜索环境之外使用。
unaccent([dictionary regdictionary, ] string text) returns text
如果省略dictionary参数，则使用名为unaccent并且与unaccent()函数有相同模式的文本搜索词典。
例如：
SELECT unaccent('unaccent', 'Hôtel');
SELECT unaccent('Hôtel');