Posgresql tsvector parse在搜索中包含xml標籤

Question

我們在表格的文本字段中存儲「broken」xml。修正xml目前不可能，因此正常使用模式是在where子句中使用〜* E'my_regex'來搜索它。挑戰是桌子的大小非常大。

我正在嘗試使用杜松子酒索引來加快查詢速度。問題是，解析文本到tsvector時，解析器會忽略xml標記。
例如，我正在查找包含單詞「file」的記錄。這個詞可能是xml標籤的一部分，或者不是標籤的一部分。 這是我的嘗試：

select to_tsvector ('simple', '<file mode="blah"><value>bar</value>') @@ to_tsquery('simple','file'); 
?column? 
f 

我在做什麼錯？我如何指定分隔符爲<> & =，。/？ 預先感謝您

Answer 1

如果你只在搜索詞/標記名等，然後使用正則表達式創建的tsvector時刪除所有標記intereseted：

select to_tsvector('simple', 
    regexp_replace('<file mode="blah"><value>bar</value>', E'[^A-Za-z0-9]', ' ', 'g') 
) @@ to_tsquery('simple','file');