PostgreSQL tsquery中单独`*`符号的未文档化行为及安全性疑问

问题现象 #

在PostgreSQL文本搜索中，使用to_tsquery时发现可以单独传入*、?、.这类标点符号（非前缀匹配的foo:*形式），系统不会报错，但行为不符合预期：

• 执行to_tsquery('cat & *')时，实际查询效果等同于to_tsquery('cat')，仅匹配包含cat的文本
• 单独执行to_tsquery('*')时，返回0行结果
• ?、.等标点符号表现与*一致

示例代码：

SELECT *, ts_rank_cd(x, query) AS rank
FROM to_tsquery('cat & *') query,
    (VALUES 
      (to_tsvector('cat say meow')),
      (to_tsvector('dog say woof'))) as t(x)
WHERE query @@ t.x

执行结果：

底层逻辑解析 #

这种现象的核心是PostgreSQL文本搜索的token解析与过滤机制：

1. token分类：默认的文本搜索解析器（pg_catalog.default）会将*、?、.这类符号识别为punctuation（标点）类型的token。
2. 词典过滤：默认的文本搜索配置（如pg_catalog.english、pg_catalog.simple）中，punctuation类型的token会被词典直接过滤丢弃，不会生成有效的查询词。

具体匹配规则 #

• 当标点符号与有效查询词结合使用时（如cat & *）：标点被过滤后，查询逻辑等价于仅保留有效查询词（即cat），因此实际执行的是cat @@ t.x的匹配。
• 当单独使用标点符号时（如to_tsquery('*')）：由于没有有效token生成，最终生成的tsquery不匹配任何tsvector，因此返回0行。
• 安全性说明：这类写法本身不会导致语法错误或安全问题，但因为标点会被静默过滤，容易造成查询逻辑的误解，建议避免使用无意义的标点符号作为查询条件。

注意事项 #

如果需要实现前缀匹配（如匹配所有以cat开头的词），应使用cat:*的形式，而非单独的*。若确实需要匹配标点符号本身，需修改文本搜索配置，调整解析器的token处理规则或使用自定义词典保留标点符号，但这在常规文本搜索场景中极少用到。

内容的提问来源于stack exchange，提问作者geckos