如何将PostgreSQL的tsvector类型列转换回普通TEXT列？

核心结论：无法从已存储的tsvector列还原出to_tsvector生成时对应的原始完整文本，所有转换方式都只能得到损失了原始信息的近似结果。

原因说明 #

tsvector是PostgreSQL为全文检索设计的专用存储类型，在通过to_tsvector生成的阶段就会永久丢弃原始文本的大量信息：

• 会对原始文本做分词、移除停用词、词形归一化处理（例如将running、ran统一归一化为词位run），仅保留归一化后的词位、词位位置和权重信息
• 原始文本的完整单词形态、停用词、语序、标点、大小写等信息在生成tsvector时就已被丢弃，不会存储在tsvector结构中，没有任何内置函数可以凭空还原这些已丢失的信息。

你之前使用的tsvector_to_array搭配array_to_string的方案，已经是直接从tsvector中能提取到的全部原生文本内容，返回的词位集合就是tsvector存储的全部文本信息。

可行的近似转换方案 #

如果不需要严格还原原始文本，仅需要基于现有tsvector生成可用的TEXT列，可选择以下两种方案：

• 直接使用词位拼接结果
  适用于对文本完整性要求不高的场景，直接将提取到的词位拼接为字符串存入新列即可，实现语句如下：

  -- 新增TEXT类型列
  ALTER TABLE mytable ADD COLUMN derived_text_col TEXT;
  -- 填充tsvector中存储的词位拼接内容
  UPDATE mytable SET derived_text_col = array_to_string(tsvector_to_array(ts_column), ' ');
  

• 基于词位扩展生成变体文本
  如果需要尽可能覆盖单词的各种变形形式，可以结合你使用的全文检索词典（如Ispell词典、同义词词典），将每个词位对应的所有可能词形扩展后拼接为文本。注意该方案生成的内容会包含大量未出现在原始文本中的单词变体，也无法还原原始语序、停用词和标点，仅适合对文本准确性要求极低的场景。

注意：如果后续业务需要使用原始文本，最佳实践是在写入tsvector列时同步单独存储一份原始TEXT内容，tsvector本身仅为检索优化设计，不适合作为原始文本的存储载体。

内容的提问来源于stack exchange，提问作者Matthew 'mandatory' Bryant