Postgresql:是否可以在lob中进行全文搜索？

我们希望使用PostgreSQL来存储文档。由于其中一些对象可能高达2GB，因此我们必须使用lob数据类型，其中大型对象存储在单独的表（

pg_largeobject

）中，由OID引用，如

对我们来说，搜索这些文档（

.pdf

，

.doc

，…）非常重要。使用表和列可以进行搜索，但是也可以搜索

pg_largeobject

表中的大型对象吗

---

如果没有，我们必须使用Oracle。

这里至少有两个问题

全文搜索在存储为

lob

或oid引用的大型对象上实际上不起作用。不能对

pg\u largeobject

的内容进行全文索引

全文搜索是一种文本索引系统。它不能索引PDF、Microsoft Word文档或其他随机二进制文件。它没有提供文本提取工具回调等功能

您可以：

• 创建一个表，其中包含使用外部工具从这些文件中提取的文本，以及引用文件本身的

  oid

  ，然后对该提取文本表进行全文索引；或

• 使用功能更强大、功能更全面的外部搜索系统，如（基于），该系统设计用于处理各种格式，自行进行文本提取等

---

在PostgreSQL中，全文搜索主要基于一个非常重要的函数

to_tsvector（）

。 此函数用于将文本文档转换为

tsvector

数据类型。通常，

tsvector

物理大小约为原始文本的1%

所有进一步的文本搜索方法都基于在计算值或物理值上创建索引。考虑到这一点，您可以在任何地方（甚至在客户端！）计算必要的

tsvector

值，并将其保存在专门创建的列中，以便编制索引。换句话说，您实际上不必将原始文本存储在数据库中-

tsvector

是您所需要的全部，它可以告诉您正在搜索的文档中包含文本（但它不会告诉您在单个文档中的位置）。 很酷的一点是，索引文档可以是任何东西——甚至是Word、Excel、PDF等等，只要您能够获取文档的文本内容，并计算必要的

tsvector

来存储和索引

---

重新计算

tsvector

（尤其是在客户端）的一个小缺点是每次更改原始文档时都必须重新计算它。

您是否考虑过只使用Solr而不是另一个RDBMS？Solr支持索引PDF和文档文件+分面搜索。您可以将Solr用作NoSQL数据存储，也就是说，据我所知，将实际的PDF/DOC文件直接存储在Solr中。但是我不知道2GB的文件。你可以使用ApacheTiki库获取PDF或Word文档的纯文本，并将它们放在列中。见鬼，您可能可以使用PL/Java在数据库中正确地执行此操作