在PostgreSQL中生成tsquery前是否需要手动移除字符串中的冒号等标点？

问题判定：该现象属于已知bug，非预期行为 #

你观察到的差异是Postgres 12、13版本的已知缺陷，不符合官方文档描述的「其他标点会被忽略」的设计规则，该问题在Postgres 14及以上版本已经完成修复。

根因说明 #

websearch_to_tsquery在12、13版本中未正确过滤双引号短语内的冒号，会将冒号识别为一个独立的空白占位词，导致生成的tsquery中两个相邻词条被标记为间隔1个词（对应语法c <2> behavior），但to_tsvector会正常丢弃冒号，两个词条实际为相邻关系（对应语法c <-> behavior），二者匹配规则不一致导致查询失败。

临时解决方案 #

针对还在使用Postgres 12、13版本的场景，确实需要在调用websearch_to_tsquery之前对查询字符串做预处理，移除无关标点。

需要提前移除的字符范围 #

所有不属于websearch_to_tsquery官方语法的标点都需要提前清理，包括但不限于：

• 冒号:
• 分号;
• 感叹号!
• 问号?
• 逗号,
• 句号.

预处理示例 #

可以直接在Postgres中用正则表达式完成清理，示例代码如下：

-- 先清理所有非语法相关的标点，再生成tsquery
SELECT websearch_to_tsquery('english', 
  regexp_replace('"Design Patterns in C++: Behavioral - Observer to Visitor"', '[^\w\s "-]', '', 'g')
);

执行后生成的tsquery会和移除冒号后的结果一致，可正常匹配对应tsvector。

内容的提问来源于stack exchange，提问作者Brian Bauer