Postgresql全文搜索捷克语言（无默认语言配置）

Question

我正在尝试设置全文搜索捷克语。我有点困惑，因为我看到tsearch_data文件夹中有一些cs_cz.affix和cs_cz.dict文件，但没有捷克语配置（它可能没有与Postgres一起发货）。

所以我应该创建一个？我必须创建/配置哪些dics？有没有捷克语言的一些支持？ 我应该使用所有可能的字迹吗？ （Synonym Dictionary, Thesaurus Dictionary, Ispell Dictionary, Snowball Dictionary）

我能够创建捷克配置为ispell字典，它工作正常，芽我不知道它是否足够（只是ispell配置）。

非常感谢我试图读取https://www.postgresql.org/docs/9.5/static/textsearch.html但我有点困惑。

Answer 1

我从来没有尝试过，但只要您准备好从源代码编译PostgreSQL，您应该可以创建一个捷克雪球词干分析器。

有一个在src/backend/snowball/README一个解释：

的文件下src/backend/snowball/libstemmer/和 src/include/snowball/libstemmer/都直接取自他们的libstemmer_c 分配，只有文件包含的一些小的调整。注意 大多数这些文件实际上是派生文件，而不是主源。 主要来源是Snowball语言，并可通过 与Snowball项目的Snowball-to-C编译器一起使用。我们选择 在PostgreSQL发行版中包含派生文件，因为大多数 安装不会提供可用的Snowball编译器。

要更新一个新的雪球libstemmer_c 分布PostgreSQL的来源：由"header.h"

1. 复制*.c文件libstemmer_c/src_c/到src/backend/snowball/libstemmer 与更换"../runtime/header.h"，例如

   for f in libstemmer_c/src_c/*.c 
   do 
       sed 's|\.\./runtime/header\.h|header.h|' $f >libstemmer/`basename $f` 
   done 
   

   （或者，如果您从主Snowball重新生成stemmer文件个来源，只是省略从雪球编译器开关"-r ../runtime"。）

2. 复制*.c文件libstemmer_c/runtime/到 src/backend/snowball/libstemmer，并对其进行编辑，以去除直接夹杂系统头的 如<stdio.h> –他们应该只包括"header.h"。 （这去除可以避免在某些平台上，其中<stdio.h> 是largefile编译选项敏感的可移植性问题。）

3. 复制*.h文件libstemmer_c/src_c/和libstemmer_c/runtime/ 至src/include/snowball/libstemmer。在撰写本文时，头文件 不需要任何更改。

4. 检查是否添加或删除了任何stemmer模块。如果是这样，编辑 的OBJS列表Makefile的#include的在dict_snowball.c列表，并在dict_snowball.c的 stemmer_modules[]表。

5. stopwords/中的各种停用字词文件必须单独从snowball.tartarus.org网站上的页面下载 。 小心这些文件必须以UTF-8编码存储。

现在有可用here捷克雪球词干，这是该项目做出了贡献。没有可用的停用词字典，但我相信你可以找到一个或自己创建一个词典。

真正的工作是安装Snowball并使用Snowball-to-C编译器创建C和头文件以添加到PostgreSQL源文件中。 这些文件应该保持稳定，所以升级到新的PostgreSQL版本应该不会很困难。

如果您愿意完成这项工作，但不想每次修补PostgreSQL并从源代码构建它，那么您也可以考虑向PostgreSQL提交补丁。只要stemmer运行良好，我不认为你会有很大的阻力（但补丁提交过程仍然很乏味）。