無料スクリプト配布のPHP.TO   PHPの実用的なtips PHPマニュアル MySQLマニュアル Apacheマニュアル PostgreSQLマニュアル マニュアル検索    

12.8. テキスト検索のテストとデバッグ

カスタムテキスト検索設定の挙動は複雑になりがちで、結果として混乱を招くことになります。この章では、テキスト検索オブジェクトのテストの際に役に立つ関数を説明します。設定が完全かどうか、パーサと辞書を別々にテストすることなどが可能です。

12.8.1. 設定のテスト

ts_debug 関数により、テキスト検索設定の容易なテストができます。

ts_debug([
 

config

 
regconfig
, 
] 

document

 
text
,
         OUT 

alias

 
text
,
         OUT 

description

 
text
,
         OUT 

token

 
text
,
         OUT 

dictionaries

 
regdictionary[]
,
         OUT 

dictionary

 
regdictionary
,
         OUT 

lexemes

 
text[]
)
         returns setof record

ts_debug は、パーサが生成し、設定された辞書が処理した document のすべてのトークンの情報を表示します。その際、 config で指定した設定が使われます。引数が省略されると default_text_search_config が使われます。

ts_debug は、パーサが認識したテキスト中のトークンを1行につき一つ返します。 返却される列は以下です。

  • alias text — トークン型の短縮名

  • description text — トークン型の説明

  • token text — トークンテキスト

  • dictionaries regdictionary[] — 設定によってこのトークン型用に選択された辞書

  • dictionary regdictionary — トークンを認識した辞書。もし認識した辞書がなければ NULL

  • lexemes text[] — トークンを認識した辞書が生成した語彙素。もしどの辞書も認識しなければ NULL 。空の配列( {} )が返った場合は、ストップワードとして認識されたことを示す

簡単な例を示します。

SELECT * FROM ts_debug('english','a fat  cat sat on a mat - it ate a fat rats');
   alias   |   description   | token |  dictionaries  |  dictionary  | lexemes 
-----------+-----------------+-------+----------------+--------------+---------
 asciiword | Word, all ASCII | a     | {english_stem} | english_stem | {}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | fat   | {english_stem} | english_stem | {fat}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | cat   | {english_stem} | english_stem | {cat}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | sat   | {english_stem} | english_stem | {sat}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | on    | {english_stem} | english_stem | {}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | a     | {english_stem} | english_stem | {}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | mat   | {english_stem} | english_stem | {mat}
 blank     | Space symbols   |       | {}             |              | 
 blank     | Space symbols   | -     | {}             |              | 
 asciiword | Word, all ASCII | it    | {english_stem} | english_stem | {}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | ate   | {english_stem} | english_stem | {ate}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | a     | {english_stem} | english_stem | {}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | fat   | {english_stem} | english_stem | {fat}
 blank     | Space symbols   |       | {}             |              | 
 asciiword | Word, all ASCII | rats  | {english_stem} | english_stem | {rat}

もう少し高度なデモをお見せするために、まず英語用の public.english 設定と、Ispell辞書を作ります。

CREATE TEXT SEARCH CONFIGURATION public.english ( COPY = pg_catalog.english );

CREATE TEXT SEARCH DICTIONARY english_ispell (
    TEMPLATE = ispell,
    DictFile = english,
    AffFile = english,
    StopWords = english
);

ALTER TEXT SEARCH CONFIGURATION public.english
   ALTER MAPPING FOR asciiword WITH english_ispell, english_stem;
SELECT * FROM ts_debug('public.english','The Brightest supernovaes');
   alias   |   description   |    token    |         dictionaries          |   dictionary   |   lexemes   
-----------+-----------------+-------------+-------------------------------+----------------+-------------
 asciiword | Word, all ASCII | The         | {english_ispell,english_stem} | english_ispell | {}
 blank     | Space symbols   |             | {}                            |                | 
 asciiword | Word, all ASCII | Brightest   | {english_ispell,english_stem} | english_ispell | {bright}
 blank     | Space symbols   |             | {}                            |                | 
 asciiword | Word, all ASCII | supernovaes | {english_ispell,english_stem} | english_stem   | {supernova}

この例では、単語 Brightest は、 ASCII word (別名は asciiword )として認識されています。 このトークン型のための辞書リストは english_ispell english_stem です。この単語は english_ispell に認識され、名詞 bright へと縮退されています。単語 supernovaes english_ispell 辞書には認識されず、次の辞書に渡され、幸い認識されました(実際には、 english_stem はSnowball辞書で、何でも認識します。それで、この辞書は辞書リストの最後に置かれているわけです)。

単語 The は、 english_ispell 辞書によってストップワード( 項12.6.1 )として認識されており、インデックス付けされません。空白も捨てられます。この設定では空白に関する辞書が提供されていないからです。

明示的に見たい列を指定することにより、出力の幅を減らすことができます。

SELECT alias, token, dictionary, lexemes
FROM ts_debug('public.english','The Brightest supernovaes');
   alias   |    token    |   dictionary   |   lexemes   
-----------+-------------+----------------+-------------
 asciiword | The         | english_ispell | {}
 blank     |             |                | 
 asciiword | Brightest   | english_ispell | {bright}
 blank     |             |                | 
 asciiword | supernovaes | english_stem   | {supernova}

12.8.2. パーサのテスト

次にあげた関数により、テキスト検索パーサを直接テストすることができます。

ts_parse(

parser_name

 
text
, 

document

 
text
,
         OUT 

tokid

 
integer
, OUT 

token

 
text
) returns 
setof record

ts_parse(

parser_oid

 
oid
, 

document

 
text
,
         OUT 

tokid

 
integer
, OUT 

token

 
text
) returns 
setof record

ts_parse は与えられた document をパースし、パーサが生成したトークンを1行に1個もつ一連のレコードを返します。それぞれのレコードには、割り当てられたトークン型を示す tokid と、テキストのトークンである token が含まれます。 例を示します。

SELECT * FROM ts_parse('default', '123 - a number');
 tokid | token
-------+--------
    22 | 123
    12 |
    12 | -
     1 | a
    12 |
     1 | number

ts_token_type(

parser_name

 
text
, OUT 

tokid

 
integer
,
              OUT 

alias

 
text
, OUT 

description

 
text
) returns 
setof record

ts_token_type(

parser_oid

 
oid
, OUT 

tokid

 
integer
,
              OUT 

alias

 
text
, OUT 

description

 
text
) returns 
setof record

ts_token_type は、指定したパーサが認識できるトークン型を記述したテーブルを返します。各々のトークン型に対し、パーサがトークン型をラベル付けするのに使用する整数 tokid 、設定コマンド中のトークンの名前である alias 、簡単な説明である description が含まれます。 例を示します。

SELECT * FROM ts_token_type('default');
 tokid |      alias      |               description                
-------+-----------------+------------------------------------------
     1 | asciiword       | Word, all ASCII
     2 | word            | Word, all letters
     3 | numword         | Word, letters and digits
     4 | email           | Email address
     5 | url             | URL
     6 | host            | Host
     7 | sfloat          | Scientific notation
     8 | version         | Version number
     9 | hword_numpart   | Hyphenated word part, letters and digits
    10 | hword_part      | Hyphenated word part, all letters
    11 | hword_asciipart | Hyphenated word part, all ASCII
    12 | blank           | Space symbols
    13 | tag             | XML tag
    14 | protocol        | Protocol head
    15 | numhword        | Hyphenated word, letters and digits
    16 | asciihword      | Hyphenated word, all ASCII
    17 | hword           | Hyphenated word, all letters
    18 | url_path        | URL path
    19 | file            | File or path name
    20 | float           | Decimal notation
    21 | int             | Signed integer
    22 | uint            | Unsigned integer
    23 | entity          | XML entity

12.8.3. 辞書のテスト

ts_lexize 関数は辞書のテストを支援します。

ts_lexize(

dict

 
regdictionary
, 

token

 
text
) returns 
text[]

ts_lexize は、入力 token が辞書に認識されれば語彙素の配列を返します。辞書に認識され、それがストップワードである場合には空の配列を返します。認識されなければ NULL を返します。

例:

SELECT ts_lexize('english_stem', 'stars');
 ts_lexize
-----------
 {star}

SELECT ts_lexize('english_stem', 'a');
 ts_lexize
-----------
 {}

注意: ts_lexize 関数には、テキストではなく単一の トークン を与えます。これを間違えると次のようになります。

SELECT ts_lexize('thesaurus_astro','supernovae stars') is null;
 ?column?
----------
 t

類語辞書 thesaurus_astro は語句 supernovae stars を認識しますが、 ts_lexize はしません。なぜなら、入力をテキストではなく、単一のトークンとして扱うからです。類語辞書をテストするには、 plainto_tsquery または to_tsvector を使ってください。例を示します。

SELECT plainto_tsquery('supernovae stars');
 plainto_tsquery
-----------------
 'sn'


powered by SEO.CUG.NET