Realiza una búsqueda de subcadena

Además de la coincidencia completa de tokens, los índices de búsqueda de Spanner admiten búsquedas de subcadenas. En esta página, se describe cómo realizar una búsqueda de subcadenas como parte de una búsqueda de texto completo en Spanner.

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.
  • No hay segmentación en chino, japonés ni coreano (CJK), ya que las búsquedas parciales en CJK suelen segmentarse de forma incorrecta.
  • En el caso de varios términos de búsqueda, el resultado debe contener una subcadena de cada término. Por ejemplo, 'happ momen' coincide con "happy moment" porque ambas subcadenas se encuentran en el texto. No coincide con "happy day".

Ejemplos

Texto almacenado Consulta de subcadena Coincidencia
Bridge over Troubled Water ridg roub Sí
Bridge over Troubled Water ridg , roub Sí
Bridge over Troubled Water sobre el puente Sí
Bridge over Troubled Water puente de escritura Sí
Bridge over Troubled Water Puente, puente, puente Sí
Bridge over Troubled Water bri trou ter Sí
Bridge over Troubled Water puente Sí
Bridge over Troubled Water troubledwater No
Bridge over Troubled Water trubled No

Para una búsqueda de subcadena, usa la función TOKENIZE_SUBSTRING en la definición de la columna TOKENLIST, como se muestra en el siguiente ejemplo de DDL:

GoogleSQL 

CREATE TABLE Albums (
AlbumId STRING(MAX) NOT NULL,
AlbumTitle STRING(MAX),
AlbumTitle_Tokens TOKENLIST AS (TOKENIZE_SUBSTRING(AlbumTitle)) HIDDEN
) PRIMARY KEY(AlbumId);

CREATE SEARCH INDEX AlbumsTitleIndex ON Albums(AlbumTitle_Tokens);

PostgreSQL

En este ejemplo, se usa spanner.tokenize_substring.

CREATE TABLE albums (
albumid character varying NOT NULL,
albumtitle character varying,
albumtitle_tokens spanner.tokenlist
    GENERATED ALWAYS AS (spanner.tokenize_substring(albumtitle)) VIRTUAL HIDDEN,
PRIMARY KEY(albumid));

CREATE SEARCH INDEX albumstitleindex ON albums(albumtitle_tokens);

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:

GoogleSQL 

SELECT AlbumId
FROM Albums
WHERE SEARCH_SUBSTRING(AlbumTitle_Tokens, 'happ');

PostgreSQL

En este ejemplo, se usa spanner.search_substring.

SELECT albumid
FROM albums
WHERE spanner.search_substring(albumtitle_tokens, 'happ');

TOKENIZE_SUBSTRING genera n-gramas para cada token y los almacena en el índice de búsqueda. La longitud mínima y máxima de los n-gramas que se generarán se configura a través de argumentos opcionales.

Los índices de búsqueda de subcadenas pueden usar entre 10 y 30 veces más almacenamiento que los índices de texto completo sobre 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 que use tipos de contenido específicos.

Además de la búsqueda básica de subcadenas, SEARCH_SUBSTRING admite el modo de búsqueda relativa. Una búsqueda relativa refina los resultados de la búsqueda de subcadenas.

Para habilitar el modo de búsqueda relativa, establece el parámetro relative_search_types de TOKENIZE_SUBSTRING en un array no vacío con elementos de tipos de búsqueda relativa admitidos.

Cuando la búsqueda relativa está habilitada en la tokenización, SEARCH_SUBSTRING puede realizar búsquedas con los siguientes tipos de búsqueda relativa:

  • phrase: Coincide con subcadenas contiguas.

    Ejemplos

    Texto almacenado Es una consulta de subcadena. Coincidencia
    Bridge over Troubled Water Puente sobre Sí
    Bridge over Troubled Water Puente, puente, puente No
    Bridge over Troubled Water Puente No
    Bridge over Troubled Water Cresta sobre problemas Sí
    Bridge over Troubled Water Puente sobre aguas turbulentas No
    Bridge over Troubled Water idge ove Sí
    Bridge over Troubled Water idge , ove Sí
    Bridge over Troubled Water RIDGE OVE Sí
    Bridge over Troubled Water agua de puente No

  • value_prefix: Coincide con subcadenas contiguas, y la coincidencia debe comenzar al principio del valor. Esto es conceptualmente similar a la función STARTS_WITH para cadenas normalizadas en cuanto a mayúsculas y minúsculas y espacios en blanco.

    Ejemplos

    Texto almacenado Consulta de subcadena Coincidencia
    Bridge over Troubled Water Puente sobre Sí
    Bridge over Troubled Water puente , sobre Sí
    Bridge over Troubled Water cresta No
    Bridge over Troubled Water aguas turbulentas No

  • value_suffix: Coincide con subcadenas contiguas, y la coincidencia debe darse al final del valor. Esto es conceptualmente similar a la función ENDS_WITH para cadenas normalizadas en cuanto a mayúsculas y minúsculas y espacios en blanco.

    Ejemplos

    Texto almacenado Es una consulta de subcadena. Coincidencia
    Bridge over Troubled Water aguas turbulentas Sí
    Bridge over Troubled Water agua turbia Sí
    Bridge over Troubled Water Agua turbia Sí
    Bridge over Troubled Water Aguas problemáticas No
    Bridge over Troubled Water agua turbia No
    Bridge over Troubled Water Puente sobre No

  • word_prefix: es similar a value_prefix, pero la cadena debe coincidir en un límite de término (en lugar de un límite de valor).

    Ejemplos

    Texto almacenado Consulta de subcadena Coincidencia
    Bridge over Troubled Water sobre problemas Sí
    Bridge over Troubled Water Más de 1000 m , problemas Sí
    Bridge over Troubled Water agua turbia No
    Bridge over Troubled Water Sobre el agua No
    Bridge over Troubled Water con problemas No
    Bridge over Troubled Water ver troubled Sí

  • word_suffix: Como value_suffix, pero la cadena debe coincidir al final de un límite de término.

    Ejemplos

    Texto almacenado Consulta de subcadena Coincidencia
    Bridge over Troubled Water ver troubled Sí
    Bridge over Troubled Water sobre problemas No
    Bridge over Troubled Water Sobre el agua No
    Bridge over Troubled Water con problemas No

¿Qué sigue?