Postgres全文搜索：如何按空格分隔或传入token数组生成tsvector

核心思路 #

PostgreSQL默认的to_tsvector自然语言配置（如english）会内置词干提取、停用词过滤、同义词映射规则，这类规则完全不适配系统生成的固定token场景，容易打破精确匹配边界引发假阳性。你需要的两种功能都是PostgreSQL原生支持的，不需要自定义开发复杂逻辑： #

场景1：输入为空格分隔的token字符串 #

直接使用PostgreSQL内置的simple文本搜索配置即可。

• 该配置的内置规则：不做任何词干转换、不过滤任何停用词、不做同义词映射，仅按空格拆分输入字符串，将每个拆分出的片段作为独立词条，按出现顺序标记位置。
• 调用示例：

  -- 传入空格分隔的字符串，完全保留原token
  SELECT to_tsvector('simple', 'foo bar baz');
  -- 输出结果：'bar':2 'baz':3 'foo':1，完全和预期的词条集合一致
  

对比自然语言配置的问题：如果使用默认的english配置，传入running这类系统生成的固定token，会被自动转换为词干run，后续检索run时会误匹配到该条记录，直接引发假阳性。

场景2：输入为有序的token数组 #

PostgreSQL原生提供array_to_tsvector(text[])函数，专门用于直接将文本数组转换为tsvector，完全跳过所有文本分析规则：

• 函数行为：数组中的每个元素原封不动作为独立词条，词条的位置标记和数组元素的顺序完全一一对应，不做任何字符串层面的拆分、归一化处理。
• 调用示例：

  -- 直接传入token数组生成tsvector
  SELECT array_to_tsvector(ARRAY['foo', 'bar', 'baz']);
  -- 输出结果：'bar':2 'baz':3 'foo':1
  

• 该函数相比字符串拼接的额外优势：如果你的token本身包含空格（比如系统生成的带空格的事件标签、错误描述片段），不会因为提前把数组拼成空格分隔字符串引发拆分错误，能100%保证数组元素和tsvector词条的一一对应关系。

自定义语法适配 #

如果你希望完全使用to_tsvector(array["foo", "bar", "baz"])这类直观的调用语法，可以给array_to_tsvector包一个轻量的重载函数，无任何额外性能开销：

CREATE OR REPLACE FUNCTION to_tsvector(lexemes text[])
RETURNS tsvector
LANGUAGE sql IMMUTABLE PARALLEL SAFE AS $$
  SELECT array_to_tsvector(lexemes);
$$;

创建完成后，即可直接使用预期的语法调用：

SELECT to_tsvector(ARRAY['foo', 'bar', 'baz']);

常见踩坑提醒 #

• 不要对系统生成的token使用任何自然语言文本搜索配置，哪怕配置看起来高度适配——这类配置的规则是为人类书写的自然语言优化的，会主动打破精确匹配边界。
• 如果需要对tsvector建立索引，所有使用的生成函数必须标记为IMMUTABLE，否则无法创建索引——上面给出的自定义重载函数已经满足这个要求。

内容的提问来源于stack exchange，提问作者Alex Klibisz