Además de la coincidencia de tokens completos, Spanner índices de búsqueda admiten búsquedas de subcadenas. En esta página, se describe cómo ejecutar una subcadena como parte de una búsqueda de texto completo en Spanner
Descripción general
Las búsquedas de subcadenas tienen las siguientes características:
- No distingue mayúsculas de minúsculas, descarta la mayoría de los signos de puntuación y normaliza los espacios en blanco.
- Sin segmentación para chino, japonés ni coreano (CJK), ya que se realizaron consultas parciales en CJK suelen segmentarse de forma incorrecta.
- Si hay varios términos de búsqueda, el resultado debe contener una subcadena de cada uno
tiempo. Por ejemplo,
'happ momen'
coincide con"happy moment"
porque ambos las subcadenas correspondientes en el texto. No coincide con"happy day"
.
Ejemplos
Texto almacenado | Consulta de subcadenas | Coincidencia |
---|---|---|
Puente sobre aguas con problemas | ridg roub | Sí |
Puente sobre aguas con problemas | ridg , roub | Sí |
Puente sobre aguas con problemas | sobre novia | Sí |
Puente sobre aguas con problemas | puente de ate | Sí |
Puente sobre aguas con problemas | Puente puente puente | Sí |
Puente sobre aguas con problemas | bri trou ter | Sí |
Puente sobre aguas con problemas | bri dge | Sí |
Puente sobre aguas con problemas | aguas turbulentas | No |
Puente sobre aguas con problemas | dudoso | No |
Para una búsqueda de subcadenas, usa la función TOKENIZE_SUBSTRING
en TOKENLIST
.
definición de columna, como se muestra en el siguiente ejemplo de DDL:
CREATE TABLE Albums (
AlbumId STRING(MAX) NOT NULL,
AlbumTitle STRING(MAX),
AlbumTitle_Tokens TOKENLIST AS (TOKENIZE_SUBSTRING(AlbumTitle)) HIDDEN
) PRIMARY KEY(AlbumId);
En la consulta en SQL, usa la función SEARCH_SUBSTRING
en la cláusula WHERE
. Por ejemplo, la siguiente consulta coincide con un álbum con el título "happy" de la tabla creada en el ejemplo anterior:
SELECT Album
FROM Albums
WHERE SEARCH_SUBSTRING(AlbumTitle_Tokens, 'happ');
TOKENIZE_SUBSTRING
genera n-grams.
para cada token y almacena estos n-gramas en el índice de búsqueda. El mínimo
la longitud máxima de los n-gramas que se generarán se configuran mediante argumentos opcionales.
Los índices de búsqueda de subcadena pueden usar entre 10 y 30 veces más almacenamiento que los índices de texto completo en los mismos datos, ya que la tokenización produce muchos más tokens. Esto es
especialmente cierto a medida que crece la diferencia entre ngram_size_min
y
ngram_size_max
. Las consultas de subcadenas también usan más recursos para ejecutarse.
Al igual que TOKENIZE_FULLTEXT
,
puedes configurar TOKENIZE_SUBSTRING
para usar tipos específicos de contenido.
Habilita una búsqueda de subcadenas relativas
Además de la búsqueda de subcadena básica, SEARCH_SUBSTRING
admite el modo de búsqueda relativa. Una búsqueda relativa define mejor la búsqueda por subcadena
resultados.
Para habilitar el modo de búsqueda relativa, establece el
TOKENIZE_SUBSTRING
relative_search_types
como TRUE.
Cuando la búsqueda relativa está habilitada en la tokenización, SEARCH_SUBSTRING
puede realizar consultas con los siguientes tipos de búsqueda relativa:
value_prefix
: Coincide con substrings contiguas y la coincidencia debe comenzar al principio del valor. Es conceptualmente similar al FunciónSTARTS_WITH
para las cadenas normalizadas de mayúsculas y espacios en blanco.Ejemplos
Texto almacenado Consulta de subcadenas Coincidencia Puente sobre aguas con problemas puente sobre Sí Puente sobre aguas con problemas puente , sobre Sí Puente sobre aguas con problemas cresta sobre No Puente sobre aguas con problemas agua problemática No value_suffix
: Coincide con subcadenas contiguas y debe coincidir en el final del valor. Es conceptualmente similar aENDS_WITH
. para cadenas normalizadas de mayúsculas y espacios en blanco.Ejemplos
Texto almacenado Consulta de subcadenas. Coincidencia Puente sobre aguas turbulentas agua problemática Sí Puente sobre aguas con problemas agua turbia Sí Puente sobre aguas con problemas agua con óxido Sí Puente sobre aguas con problemas wate con problemas No Puente sobre aguas con problemas problemas de agua No Puente sobre aguas con problemas puente sobre No word_prefix:
comovalue_prefix
, pero la cadena debe coincidir con un término límite (en lugar de un límite de valor).Ejemplos
Texto almacenado Consulta de subcadenas Coincidencia Puente sobre aguas turbulentas más de problemas Sí Puente sobre aguas con problemas Más de , problemas Sí Puente sobre aguas con problemas problemas de agua No Puente sobre aguas con problemas sobre el agua No Puente sobre aguas turbulentas con problemas No Puente sobre aguas con problemas ver con problemas Sí word_suffix
: Es similar avalue_suffix
, pero la cadena debe coincidir al final de un límite de término.Ejemplos
Texto almacenado Consulta de subcadenas Coincidencia Puente sobre aguas con problemas ver con problemas Sí Puente sobre aguas con problemas más de problemas No Puente sobre aguas con problemas sobre el agua No Puente sobre aguas turbulentas con problemas No
¿Qué sigue?
- Obtén más información sobre las búsquedas en el texto completo.
- Obtenga información sobre cómo clasificar los resultados de la búsqueda.
- Obtén información sobre cómo paginar los resultados de la búsqueda.
- Obtén más información sobre cómo combinar consultas de texto completo y no de texto.
- Obtén más información para buscar en varias columnas.