PostgreSQL tsvector单字母加通配符查询结果异常问题

问题原因 #

tsquery原生支持单字母后接通配符的匹配场景，返回false的核心原因是english文本搜索配置的内置过滤规则：
PostgreSQL默认的english全文搜索配置绑定了Snowball词干词典与停用词过滤逻辑，会将长度小于3的字符片段判定为无意义内容直接丢弃。执行to_tsquery('english', 't:*')时，前缀部分t会先经过词典规则校验，因长度仅为1被过滤，最终生成空tsquery，无法匹配任何tsvector内容，因此返回false。
输入tes:*时前缀长度为3，不会被规则过滤，可正常匹配到词干为test的词条，返回true。

可通过以下语句验证规则：

-- english配置下t:*生成的tsquery为空
select to_tsquery('english', 't:*');
-- 长度为2的前缀te:*同样会被过滤，返回空
select to_tsquery('english', 'te:*');

可行解决方案 #

结合自动补全场景的需求，可选择以下方案：

• 换用simple文本搜索配置实现前缀匹配
  simple配置不做词干提取、短词过滤，仅做基础分词，前缀匹配兼容性最好，单/双字母前缀可正常命中：

-- 返回true，符合预期
select to_tsvector('simple', 'This is test') @@ to_tsquery('simple', 't:*');

如果需要实现大小写、重音不敏感匹配，可基于simple配置自定义规则，挂载unaccent扩展词典做内容归一化，可适配绝大多数英文自动补全场景。

• 使用pg_trgm扩展实现前缀匹配
  如果自动补全需要兼顾输入容错（少量拼写错误也可返回匹配结果），不需要依赖全文搜索的词干归并能力，可启用pg_trgm扩展，为目标字段创建GIN/GIST三元组索引，通过前缀匹配运算符查询，单字母前缀可正常命中，性能可支撑高并发自动补全请求。
• 自定义英文全文搜索配置
  如果必须保留english配置的词干提取能力，可自定义文本搜索配置，调整词典过滤规则，移除短词长度限制。但该方案配置成本较高，过短前缀会返回大量无关结果，自动补全场景一般不推荐使用。

内容的提问来源于stack exchange，提问作者manas chinta