PostgreSQL 文本搜索控制

概述

全文搜索是现代数据库应用的核心功能，PostgreSQL 提供了强大的文本搜索系统来支持复杂的搜索需求。要实现高效的全文搜索，需要以下四个核心组件：

INFO

核心流程说明

文档解析：使用 to_tsvector 将文档转换为可搜索的向量格式
查询解析：使用 to_tsquery 等函数将用户查询转换为搜索表达式
结果排名：使用排名函数评估文档与查询的相关性
结果展示：使用 ts_headline 高亮显示匹配的关键词

文档解析

to_tsvector 函数详解

to_tsvector 是文本搜索的基础函数，负责将自然语言文档转换为 PostgreSQL 可以高效搜索的 tsvector 数据类型。

基本语法

sql

to_tsvector([ config regconfig, ] document text) returns tsvector

工作原理

实际示例

问题陈述：如何将一段英文文本转换为可搜索的向量格式？

解决方案：

sql

-- 基本文档解析示例
SELECT to_tsvector('english', 'a fat  cat sat on a mat - it ate a fat rats');

输出结果：

                  to_tsvector
-----------------------------------------------------
 'ate':9 'cat':3 'fat':2,11 'mat':7 'rat':12 'sat':4

分析过程：

停用词移除：a、on、it 等高频无意义词被过滤
词干提取：rats 被标准化为 rat
标点符号忽略：- 等标点符号被移除
位置记录：每个词后的数字表示其在原文档中的位置

原始词汇	处理结果	位置	处理类型
a	删除	1	停用词
fat	'fat'	2, 11	保留
cat	'cat'	3	保留
sat	'sat'	4	保留
on	删除	5	停用词
a	删除	6	停用词
mat	'mat'	7	保留
-	删除	8	标点符号
it	删除	9	停用词
ate	'ate'	10	保留
a	删除	11	停用词
fat	'fat'	12	保留
rats	'rat'	13	词干提取

权重设置和结构化文档处理

setweight 函数

setweight 函数允许为文档的不同部分分配权重，这对于提高搜索精度非常重要。

权重等级：

A：最高权重（通常用于标题）
B：高权重（通常用于关键词）
C：中等权重（通常用于摘要）
D：默认权重（通常用于正文）

实际业务场景示例

问题陈述：如何为一个博客文章创建结构化的全文搜索索引？

解决方案：

sql

-- 创建文章表
CREATE TABLE blog_articles (
    id SERIAL PRIMARY KEY,
    title TEXT,
    keywords TEXT,
    abstract TEXT,
    body TEXT,
    search_vector tsvector
);

-- 插入示例数据
INSERT INTO blog_articles (title, keywords, abstract, body) VALUES
(
    'PostgreSQL 全文搜索指南',
    'PostgreSQL, 全文搜索, 数据库, 文本处理',
    '本文详细介绍了 PostgreSQL 的全文搜索功能，包括文档解析、查询构建和结果排名。',
    '全文搜索是现代应用程序的重要功能。PostgreSQL 提供了强大的文本搜索能力，支持多种语言和复杂的查询需求。通过 tsvector 和 tsquery 数据类型，开发者可以构建高性能的搜索系统。'
);

-- 更新搜索向量，为不同部分分配权重
UPDATE blog_articles SET search_vector =
    setweight(to_tsvector('simple', coalesce(title,'')), 'A')    ||
    setweight(to_tsvector('simple', coalesce(keywords,'')), 'B')  ||
    setweight(to_tsvector('simple', coalesce(abstract,'')), 'C') ||
    setweight(to_tsvector('simple', coalesce(body,'')), 'D');

-- 查看生成的搜索向量
SELECT search_vector FROM blog_articles WHERE id = 1;

分析过程：

coalesce 函数：防止 NULL 值导致整个向量为 NULL
权重分配：标题获得最高权重 A，正文获得默认权重 D
向量合并：使用 || 运算符将不同权重的向量合并

TIP

最佳实践

使用 coalesce 函数处理可能的 NULL 值，确保搜索向量的完整性：

sql

-- 推荐的做法
setweight(to_tsvector(coalesce(title,'')), 'A')

-- 避免的做法
setweight(to_tsvector(title), 'A')  -- 如果 title 为 NULL，整个表达式为 NULL

查询解析

PostgreSQL 提供了四个主要函数用于将用户查询转换为 tsquery 类型，每个函数都有不同的特点和适用场景。

查询函数对比

函数	输入要求	操作符支持	适用场景	错误处理
`to_tsquery`	严格语法	完整支持	高级查询	语法错误会抛出异常
`plainto_tsquery`	自然文本	自动插入 &	简单查询	容错性好
`phraseto_tsquery`	自然文本	自动插入 <->	短语查询	容错性好
`websearch_to_tsquery`	Web 语法	部分支持	用户友好	永不报错

to_tsquery - 高级查询构建

基本语法

sql

to_tsquery([ config regconfig, ] querytext text) returns tsquery

支持的操作符

操作符	含义	示例
`&`	AND（与）	`'cat' & 'dog'`
`\|`	OR（或）	`'cat' \| 'dog'`
`!`	NOT（非）	`!'cat'`
`<->`	FOLLOWED BY（紧邻）	`'cat' <-> 'dog'`
`()`	分组	`('cat' \| 'dog') & 'animal'`

实际示例

问题陈述：如何构建复杂的搜索查询来查找包含特定关键词组合的文档？

解决方案：

sql

-- 基本 AND 查询
SELECT to_tsquery('english', 'The & Fat & Rats');
-- 结果: 'fat' & 'rat'

-- 使用权重限制
SELECT to_tsquery('english', 'Fat | Rats:AB');
-- 结果: 'fat' | 'rat':AB

-- 前缀匹配
SELECT to_tsquery('supern:*A & star:A*B');
-- 结果: 'supern':*A & 'star':*AB

-- 短语查询（需要同义词库支持）
SELECT to_tsquery('''supernovae stars'' & !crab');
-- 结果: 'sn' & !'crab'

分析过程：

自动标准化：停用词 The 被自动过滤
权重支持：:AB 限制只匹配权重为 A 或 B 的词位
前缀匹配：* 符号支持通配符搜索
同义词库：单引号短语可以触发同义词替换

plainto_tsquery - 简单文本查询

问题陈述：如何让普通用户输入自然语言进行搜索？

解决方案：

sql

-- 自然语言输入
SELECT plainto_tsquery('english', 'The Fat Rats');
-- 结果: 'fat' & 'rat'

-- 特殊字符会被忽略
SELECT plainto_tsquery('english', 'The Fat & Rats:C');
-- 结果: 'fat' & 'rat' & 'c'

分析过程：

自动在词间插入 & 操作符
忽略所有特殊字符和操作符
适合处理用户的自然语言输入

phraseto_tsquery - 短语查询

问题陈述：如何搜索确切的词语顺序？

解决方案：

sql

-- 短语查询
SELECT phraseto_tsquery('english', 'The Fat Rats');
-- 结果: 'fat' <-> 'rat'

-- 保持词序关系
SELECT phraseto_tsquery('english', 'The Fat & Rats:C');
-- 结果: 'fat' <-> 'rat' <-> 'c'

分析过程：

使用 <-> 操作符维持词语顺序
停用词通过 <N> 操作符处理
适合搜索确切的短语匹配

websearch_to_tsquery - Web 风格查询

问题陈述：如何提供类似 Google 搜索的用户体验？

解决方案：

sql

-- 基本查询
SELECT websearch_to_tsquery('english', 'The fat rats');
-- 结果: 'fat' & 'rat'

-- 引号短语
SELECT websearch_to_tsquery('english', '"supernovae stars" -crab');
-- 结果: 'supernova' <-> 'star' & !'crab'

-- OR 操作
SELECT websearch_to_tsquery('english', '"sad cat" or "fat rat"');
-- 结果: 'sad' <-> 'cat' | 'fat' <-> 'rat'

-- 排除查询
SELECT websearch_to_tsquery('english', 'signal -"segmentation fault"');
-- 结果: 'signal' & !( 'segment' <-> 'fault' )

-- 容错处理
SELECT websearch_to_tsquery('english', '""" )( dummy \\ query <->');
-- 结果: 'dummi' & 'queri'

支持的语法：

语法	转换结果	示例
普通文本	`&` 分隔	`fat cat` → `'fat' & 'cat'`
`"引号文本"`	`<->` 分隔	`"fat cat"` → `'fat' <-> 'cat'`
`OR`	`\|` 操作符	`cat OR dog` → `'cat' \| 'dog'`
`-`	`!` 操作符	`-cat` → `!'cat'`

WARNING

重要提醒

websearch_to_tsquery 永远不会抛出语法错误，但这意味着一些复杂的查询可能不会按预期工作。在生产环境中使用时，建议结合查询验证逻辑。

搜索结果排名

排名是全文搜索的核心功能，它决定了搜索结果的相关性顺序。PostgreSQL 提供了两个主要的排名函数。

排名函数对比

函数	算法基础	考虑因素	性能特点	适用场景
`ts_rank`	词频统计	匹配词素频率	较快	通用排名
`ts_rank_cd`	覆盖密度	词频 + 词语邻近性	较慢，需要位置信息	高精度排名

ts_rank - 频率基础排名

基本语法

sql

ts_rank([ weights float4[], ] vector tsvector, query tsquery [, normalization integer ]) returns float4

权重配置

默认权重数组：{0.1, 0.2, 0.4, 1.0}

对应顺序：{D-weight, C-weight, B-weight, A-weight}

实际示例：

sql

-- 创建测试数据
CREATE TABLE documents (
    id SERIAL PRIMARY KEY,
    title TEXT,
    content TEXT,
    search_vector tsvector
);

INSERT INTO documents (title, content) VALUES
('PostgreSQL 教程', '学习 PostgreSQL 数据库的基础知识和高级特性'),
('MySQL 教程', '深入了解 MySQL 数据库的使用方法'),
('数据库设计', 'PostgreSQL 和 MySQL 数据库设计最佳实践');

-- 更新搜索向量
UPDATE documents SET search_vector =
    setweight(to_tsvector('simple', title), 'A') ||
    setweight(to_tsvector('simple', content), 'D');

-- 基本排名查询
SELECT
    title,
    ts_rank(search_vector, to_tsquery('simple', 'PostgreSQL')) AS rank
FROM documents
WHERE search_vector @@ to_tsquery('simple', 'PostgreSQL')
ORDER BY rank DESC;

预期输出：

      title       | rank
------------------+----------
 PostgreSQL 教程   | 1.2
 数据库设计        | 0.8

ts_rank_cd - 覆盖密度排名

高级排名示例

问题陈述：如何实现一个新闻网站的智能搜索排名系统？

解决方案：

sql

-- 创建新闻表
CREATE TABLE news_articles (
    id SERIAL PRIMARY KEY,
    headline TEXT,
    summary TEXT,
    body TEXT,
    category TEXT,
    published_date TIMESTAMP,
    search_vector tsvector
);

-- 插入测试数据
INSERT INTO news_articles (headline, summary, body, category, published_date) VALUES
(
    '人工智能技术突破',
    '最新的人工智能研究在图像识别领域取得重大突破',
    '科学家们开发了一种新的深度学习算法，在图像识别任务中达到了前所未有的准确率。这项技术将应用于医疗诊断、自动驾驶等多个领域。人工智能的发展正在改变我们的生活方式。',
    '科技',
    NOW() - INTERVAL '1 day'
),
(
    '人工智能伦理讨论',
    '专家呼吁建立人工智能发展的伦理框架',
    '随着人工智能技术的快速发展，如何确保其负责任的使用成为热议话题。专家们认为需要建立完善的伦理指导原则。',
    '社会',
    NOW() - INTERVAL '3 days'
);

-- 更新搜索向量
UPDATE news_articles SET search_vector =
    setweight(to_tsvector('simple', coalesce(headline,'')), 'A') ||
    setweight(to_tsvector('simple', coalesce(summary,'')), 'B') ||
    setweight(to_tsvector('simple', coalesce(body,'')), 'C');

-- 使用自定义权重和标准化的高级查询
SELECT
    headline,
    category,
    published_date,
    ts_rank_cd(
        ARRAY[0.1, 0.2, 0.4, 1.0],  -- 自定义权重
        search_vector,
        to_tsquery('simple', '人工智能 & 技术'),
        32  -- 标准化选项
    ) AS rank
FROM news_articles
WHERE search_vector @@ to_tsquery('simple', '人工智能 & 技术')
ORDER BY rank DESC;

标准化选项详解

标准化选项使用位掩码，可以组合多个选项：

选项	数值	效果	适用场景
默认	0	忽略文档长度	短文档
对数长度	1	除以 1 + log(文档长度)	平衡长短文档
线性长度	2	除以文档长度	偏好短文档
调和距离	4	除以平均调和距离	紧密匹配
唯一词数	8	除以唯一词数量	避免重复词偏向
对数唯一词	16	除以 1 + log(唯一词数)	平滑处理
标准化	32	除以 rank + 1	0-1 范围输出

组合使用示例：

sql

-- 组合多个标准化选项
SELECT
    headline,
    ts_rank_cd(search_vector, query, 2|8) AS rank  -- 文档长度 + 唯一词数
FROM news_articles, to_tsquery('simple', '人工智能') query
WHERE query @@ search_vector
ORDER BY rank DESC;

实际排名案例分析

问题陈述：为一个学术论文搜索系统实现精确的相关性排名。

解决方案：

sql

-- 创建论文表
CREATE TABLE academic_papers (
    id SERIAL PRIMARY KEY,
    title TEXT,
    abstract TEXT,
    keywords TEXT,
    body TEXT,
    citation_count INTEGER,
    search_vector tsvector
);

-- 综合排名查询（结合文本相关性和引用次数）
SELECT
    title,
    citation_count,
    ts_rank_cd(search_vector, query, 32) AS text_rank,
    -- 综合得分：文本相关性 + 引用权重
    (ts_rank_cd(search_vector, query, 32) * 0.7 +
     (citation_count::float / 1000) * 0.3) AS final_score
FROM academic_papers,
     to_tsquery('english', 'machine & learning & algorithm') query
WHERE query @@ search_vector
ORDER BY final_score DESC
LIMIT 10;

分析过程：

文本相关性：占总分的 70%
引用影响力：占总分的 30%
标准化处理：确保分数在合理范围内
多因素排名：结合文本匹配度和学术影响力

TIP

性能优化建议

排名计算可能很耗时，特别是在大数据集上。考虑以下优化策略：

索引优化：为 search_vector 创建 GIN 索引
分页限制：使用 LIMIT 减少计算量
缓存机制：对热门查询结果进行缓存
预计算：对静态文档预计算部分排名因子

结果高亮显示

ts_headline 函数提供了强大的搜索结果高亮功能，可以生成带有高亮标记的文档摘要。

基本语法和选项

sql

ts_headline([ config regconfig, ] document text, query tsquery [, options text ]) returns text

配置选项详解

选项	类型	默认值	作用
`MaxWords`	整数	35	输出的最大词数
`MinWords`	整数	15	输出的最小词数
`ShortWord`	整数	3	短词过滤阈值
`HighlightAll`	布尔	false	是否高亮整个文档
`MaxFragments`	整数	0	最大文本片段数
`StartSel`	字符串	`<b>`	高亮开始标签
`StopSel`	字符串	`</b>`	高亮结束标签
`FragmentDelimiter`	字符串	`...`	片段分隔符

实际应用示例

问题陈述：为一个在线文档搜索系统实现智能摘要和高亮功能。

解决方案：

sql

-- 创建文档库表
CREATE TABLE document_library (
    id SERIAL PRIMARY KEY,
    title TEXT,
    content TEXT,
    doc_type TEXT,
    search_vector tsvector
);

-- 插入示例文档
INSERT INTO document_library (title, content, doc_type) VALUES
(
    'PostgreSQL 性能优化指南',
    '性能优化是数据库管理的重要方面。PostgreSQL 提供了多种优化技术，包括索引优化、查询优化、配置调优等。正确的索引策略可以显著提高查询性能。查询优化器会分析 SQL 语句并选择最佳执行计划。配置参数的调优需要根据具体的硬件环境和应用场景来进行。内存配置、连接数设置、WAL 配置都是重要的优化点。',
    'tutorial'
),
(
    'SQL 查询语言基础',
    'SQL 是结构化查询语言的缩写，是关系数据库的标准语言。基本的 SQL 查询包括 SELECT、INSERT、UPDATE、DELETE 操作。查询优化对于复杂的 SQL 语句非常重要。索引的正确使用可以大幅提升查询性能。',
    'manual'
);

-- 更新搜索向量
UPDATE document_library SET search_vector =
    setweight(to_tsvector('simple', title), 'A') ||
    setweight(to_tsvector('simple', content), 'D');

基础高亮示例

sql

-- 基本高亮查询
SELECT
    title,
    ts_headline('simple',
        content,
        to_tsquery('simple', '查询 & 优化'),
        'MaxWords=50, MinWords=10'
    ) AS highlighted_content
FROM document_library
WHERE search_vector @@ to_tsquery('simple', '查询 & 优化');

预期输出：

           title            |                highlighted_content
---------------------------+--------------------------------------------------------
 PostgreSQL 性能优化指南   | 正确的索引策略可以显著提高<b>查询</b>性能。<b>查询</b><b>优化</b>器会分析 SQL 语句并选择最佳执行计划。配置参数的调优需要根据具体的硬件环境
 SQL 查询语言基础          | 基本的 SQL <b>查询</b>包括 SELECT、INSERT、UPDATE、DELETE 操作。<b>查询</b><b>优化</b>对于复杂的 SQL 语句非常重要

高级高亮配置

问题陈述：如何为不同的输出格式定制高亮样式？

解决方案：

sql

-- HTML 格式高亮
SELECT
    title,
    ts_headline('simple',
        content,
        to_tsquery('simple', '性能 & 优化'),
        'StartSel=<mark class="highlight">, StopSel=</mark>, MaxWords=30'
    ) AS html_highlight
FROM document_library
WHERE search_vector @@ to_tsquery('simple', '性能 & 优化');

-- 纯文本格式高亮
SELECT
    title,
    ts_headline('simple',
        content,
        to_tsquery('simple', '性能 & 优化'),
        'StartSel=【, StopSel=】, MaxWords=40, MinWords=20'
    ) AS text_highlight
FROM document_library
WHERE search_vector @@ to_tsquery('simple', '性能 & 优化');

-- 多片段高亮（适合长文档）
SELECT
    title,
    ts_headline('simple',
        content,
        to_tsquery('simple', 'SQL | 查询'),
        'MaxFragments=3, MaxWords=15, StartSel=<<, StopSel=>>, FragmentDelimiter= ... '
    ) AS fragment_highlight
FROM document_library
WHERE search_vector @@ to_tsquery('simple', 'SQL | 查询');

高亮模式对比

非片段模式 vs 片段模式

实际对比示例

sql

-- 测试长文档
INSERT INTO document_library (title, content, doc_type) VALUES
(
    '数据库完整教程',
    '第一章：数据库基础。数据库是现代信息系统的核心组件。关系数据库使用表格结构存储数据。第二章：SQL 语言。SQL 是操作数据库的标准语言。查询语句是 SQL 的重要组成部分。第三章：性能优化。数据库性能优化包括多个方面。索引优化是提升查询性能的关键技术。第四章：高级特性。现代数据库提供了许多高级功能。全文搜索是其中的重要特性之一。',
    'book'
);

-- 非片段模式（连续摘要）
SELECT
    ts_headline('simple',
        content,
        to_tsquery('simple', '数据库 & 性能'),
        'MaxFragments=0, MaxWords=25'
    ) AS non_fragment;

-- 片段模式（多个片段）
SELECT
    ts_headline('simple',
        content,
        to_tsquery('simple', '数据库 & 性能'),
        'MaxFragments=3, MaxWords=12'
    ) AS fragment_mode;

性能考虑和最佳实践

WARNING

性能提醒

ts_headline 函数处理原始文档文本，而不是预处理的 tsvector，因此在大文档上可能较慢。

优化策略

1. 限制文档长度

sql

-- 截取文档前 1000 个字符进行高亮
SELECT
    ts_headline('simple',
        substring(content, 1, 1000),
        query,
        'MaxWords=50'
    ) AS optimized_highlight
FROM document_library, to_tsquery('simple', '查询词') query
WHERE search_vector @@ query;

2. 缓存高亮结果

sql

-- 为热门查询缓存高亮结果
CREATE TABLE search_cache (
    query_hash VARCHAR(32),
    document_id INTEGER,
    highlighted_content TEXT,
    created_at TIMESTAMP DEFAULT NOW()
);

-- 创建索引
CREATE INDEX idx_search_cache_hash ON search_cache(query_hash);

3. 批量处理

sql

-- 批量生成高亮，适合搜索结果页面
WITH search_results AS (
    SELECT id, title, content,
           ts_rank_cd(search_vector, query) as rank
    FROM document_library, to_tsquery('simple', '目标查询') query
    WHERE search_vector @@ query
    ORDER BY rank DESC
    LIMIT 20
)
SELECT
    id,
    title,
    rank,
    ts_headline('simple', content, to_tsquery('simple', '目标查询'),
                'MaxWords=30, MaxFragments=2') AS highlight
FROM search_results;

综合搜索系统示例

问题陈述：构建一个完整的搜索系统，包含搜索、排名和高亮功能。

解决方案：

sql

-- 创建搜索函数
CREATE OR REPLACE FUNCTION search_documents(
    search_term TEXT,
    max_results INTEGER DEFAULT 10
)
RETURNS TABLE (
    doc_id INTEGER,
    title TEXT,
    relevance_score FLOAT,
    highlighted_snippet TEXT,
    doc_type TEXT
) AS $$
BEGIN
    RETURN QUERY
    SELECT
        d.id,
        d.title,
        ts_rank_cd(d.search_vector, query, 32) as score,
        ts_headline('simple',
            d.content,
            query,
            'MaxWords=40, MaxFragments=2, StartSel=<em>, StopSel=</em>'
        ) as snippet,
        d.doc_type
    FROM document_library d,
         to_tsquery('simple', search_term) query
    WHERE d.search_vector @@ query
    ORDER BY score DESC
    LIMIT max_results;
END;
$$ LANGUAGE plpgsql;

-- 使用搜索函数
SELECT * FROM search_documents('数据库 & 优化', 5);

输出分析：

该函数提供了完整的搜索体验：

智能查询解析：支持复杂的搜索表达式
相关性排名：使用标准化的覆盖密度算法
智能摘要：自动生成包含关键词的文档片段
格式化输出：提供 HTML 兼容的高亮标记
可配置性：支持自定义结果数量和显示选项

TIP

生产环境建议

在生产环境中使用全文搜索时，建议：

创建 GIN 索引：CREATE INDEX idx_gin_search ON table USING GIN(search_vector);
定期更新向量：使用触发器自动维护 search_vector
监控性能：跟踪查询性能并适时优化
用户体验：实现搜索建议和拼写纠正功能
缓存策略：缓存热门查询的结果和高亮内容

总结

PostgreSQL 的文本搜索系统提供了从文档解析到结果展示的完整解决方案：

文档解析：to_tsvector 和 setweight 实现智能文档向量化
查询构建：四种查询函数满足不同的搜索需求
结果排名：两种排名算法提供精确的相关性评估
结果展示：ts_headline 实现智能摘要和高亮显示

通过合理运用这些功能，可以构建出功能强大、性能优越的全文搜索系统，满足现代应用程序的复杂搜索需求。

PostgreSQL 文本搜索控制 ​

概述 ​

文档解析 ​

to_tsvector 函数详解 ​

基本语法 ​

工作原理 ​

实际示例 ​

权重设置和结构化文档处理 ​

setweight 函数 ​

实际业务场景示例 ​

查询解析 ​

查询函数对比 ​

to_tsquery - 高级查询构建 ​

基本语法 ​

支持的操作符 ​

实际示例 ​

plainto_tsquery - 简单文本查询 ​

phraseto_tsquery - 短语查询 ​

websearch_to_tsquery - Web 风格查询 ​

搜索结果排名 ​

排名函数对比 ​

ts_rank - 频率基础排名 ​

基本语法 ​

权重配置 ​

ts_rank_cd - 覆盖密度排名 ​

高级排名示例 ​

标准化选项详解 ​

实际排名案例分析 ​

结果高亮显示 ​

基本语法和选项 ​

配置选项详解 ​

实际应用示例 ​

基础高亮示例 ​

高级高亮配置 ​

高亮模式对比 ​

非片段模式 vs 片段模式 ​

实际对比示例 ​

性能考虑和最佳实践 ​

优化策略 ​

综合搜索系统示例 ​

总结 ​

PostgreSQL 文本搜索控制

概述

文档解析

to_tsvector 函数详解

基本语法

工作原理

实际示例

权重设置和结构化文档处理

setweight 函数

实际业务场景示例

查询解析

查询函数对比

to_tsquery - 高级查询构建

基本语法

支持的操作符

实际示例

plainto_tsquery - 简单文本查询

phraseto_tsquery - 短语查询

websearch_to_tsquery - Web 风格查询

搜索结果排名

排名函数对比

ts_rank - 频率基础排名

基本语法

权重配置

ts_rank_cd - 覆盖密度排名

高级排名示例

标准化选项详解

实际排名案例分析

结果高亮显示

基本语法和选项

配置选项详解

实际应用示例

基础高亮示例

高级高亮配置

高亮模式对比

非片段模式 vs 片段模式

实际对比示例

性能考虑和最佳实践

优化策略

综合搜索系统示例

总结