PostgreSQL如何对URL进行解析

作者：吴聪

尽管PostgreSQL中支持大量的数据类型，但是对于URL似乎并没有一个相应的类型能够去存储。那么对于URL的数据我们在数据库中要怎么去处理呢？

首先还是需要看你要存储的URL数据是用来干嘛的，如果仅仅只是为了在以后查询的时候打印输出，那么用varchar或者text之类的类型不是就可以了吗？

但是有的时候我们对于这些URL数据并不仅仅是简单的查询，我们可能希望通过这些URL能够查询一些额外的信息，例如URL的使用的协议、主机名等等。这里我们便可以使用ts_debug函数来进行解析了。

函数ts_debug允许简单地测试一个文本搜索配置。

ts_debug([ config regconfig, ] document text,
         OUT alias text,
         OUT description text,
         OUT token text,
         OUT dictionaries regdictionary[],
         OUT dictionary regdictionary,
         OUT lexemes text[])
         returns setof record

ts_debug为解析器在文本中标识的每一个记号返回一行。被返回的列是：

• alias text ： 记号类型的短名称
• description text ：记号类型的描述
• token text ： 记号的文本
• dictionaries regdictionary[] ： 配置为这种记号类型选择的词典
• dictionary regdictionary ： 识别该记号的词典，如果没有词典能识别则为NULL
• lexemes text[] ：
  识别该记号的词典产生的词位，如果没有词典能识别则为NULL；一个空数组（{}）表示该记号被识别为一个停用词

因此我们便可以通过下面的方式来对URL进行解析：

bill@bill=>SELECT
bill-# alias
bill-# ,description
bill-# ,token
bill-# FROM ts_debug('https://blog.csdn.net/weixin_39540651');
  alias   |  description  |             token
----------+---------------+-------------------------------
 protocol | Protocol head | https://
 url      | URL           | blog.csdn.net/weixin_39540651
 host     | Host          | blog.csdn.net
 url_path | URL path      | /weixin_39540651
(4 rows)

参考链接：

https://stackoverflow.com/questions/41633436/datatype-for-a-url-in-postgresql
http://www.postgres.cn/docs/13/textsearch-debugging.html#TEXTSEARCH-CONFIGURATION-TESTING