unaccent
est un dictionnaire de recherche plein texte
qui supprime les
accents d'un lexeme. C'est un dictionnaire de filtre, ce qui signifie que sa
sortie est passée au prochain dictionnaire (s'il y en a un), contrairement
au comportement normal des dictionnaires. Cela permet le traitement des
accents pour la recherche plein texte.
L'implémentation actuelle d'unaccent
ne peut pas être
utilisée comme un dictionnaire de normalisation pour un dictionnaire
thesaurus
.
Le dictionnaire unaccent
accepte les options
suivantes :
RULES
est le nom de base du fichier contenant la liste
des règles de traduction. Ce fichier doit être stocké dans le répertoire
$SHAREDIR/tsearch_data/
($SHAREDIR
étant le répertoire des données partagées de
PostgreSQL). Son nom doit se terminer avec
l'extension .rules
(qui ne doit pas être inclus dans
le paramètre RULES
).
Le fichier des règles a le format suivant :
Chaque ligne représente une règle de traduction, consistant en un caractère avec accent, suivi d'un caractère sans accent. Le premier est traduit avec le second. Par exemple :
À A Á A Â A Ã A Ä A Å A Æ AE
Les deux caractères doivent être séparés par des espaces blancs, et tout espace blanc au début et à la fin d'une ligne est ignoré.
Sinon, si seulement un caractère est donnée sur une ligne, les occurences de ce caractère sont supprimées. Ceci est utile dans les langues où les accents sont représentés par des caractères séparés.
Actuellement, chaque caractère peut être une chaîne ne contenant pas
d'espace blanc, pour que les dictionnaires unaccent
puissent être utilisés pour d'autres types de substitutions de sous-
chaînes au delà des suppressions de signes diacritiques.
Comme avec d'autres fichiers de configuration de la recherche plein texte avec PostgreSQL, le fichier de règles doit être stocké dans l'encodage UTF-8. Les données sont automatiquement traduites dans l'encodage courant de la base de données lors du chargement. Toute ligne contenant des caractères non traduisibles est ignorée silencieusement, de façon à ce que les fichiers de règles puissent contenir des règles qui ne sont pas applicables dans l'encodage courant.
Un exemple plus complet, qui est directement utile pour les langages
européens, se trouve dans unaccent.rules
, qui est
installé dans le répertoire $SHAREDIR/tsearch_data/
une fois le module unaccent
installé. Ce fichier
de règles traduit les caractères avec accent vers le même caractère
sans accent. Il étend aussi les ligatures en une série équivalente de
caractères simples (par exemple, Æ devient AE).
Installer l'extension unaccent
crée
un modèle de recherche de texte appelé unaccent
et un
dictionnaire basé sur ce modèle, appelé lui-aussi
unaccent
. Le dictionnaire unaccent
a
le paramètre par défaut RULES='unaccent'
, qui le rend
directement utilisable avec le fichier standard
unaccent.rules
. Si vous le souhaitez, vous pouvez
modifier le paramètre. Par exemple :
ma_base=# ALTER TEXT SEARCH DICTIONARY unaccent (RULES='mes_regles');
Vous pouvez aussi créer des nouveaux dictionnaires basés sur le modèle.
Pour tester le dictionnaire, vous pouvez essayer la requête suivante :
ma_base=# select ts_lexize('unaccent','Hôtel'); ts_lexize ----------- {Hotel} (1 row)
Voici un exemple montrant comment installer le dictionnaire
unaccent
dans une configuration de recherche plein
texte :
ma_base=# CREATE TEXT SEARCH CONFIGURATION fr ( COPY = french ); ma_base=# ALTER TEXT SEARCH CONFIGURATION fr ALTER MAPPING FOR hword, hword_part, word WITH unaccent, french_stem; ma_base=# select to_tsvector('fr','Hôtels de la Mer'); to_tsvector ------------------- 'hotel':1 'mer':4 (1 row) ma_base=# select to_tsvector('fr','Hôtel de la Mer') @@ to_tsquery('fr','Hotels'); ?column? ---------- t (1 row) ma_base=# select ts_headline('fr','Hôtel de la Mer',to_tsquery('fr','Hotels')); ts_headline ------------------------ <b>Hôtel</b>de la Mer (1 row)
La fonction unaccent()
supprime les accents d'une
chaîne de caractères donnée. Il utilise un dictionnaire de type
unaccent
mais il peut être utilisé en dehors du
contexte normal de la recherche plein texte.
unaccent([dictionary
regdictionary
, ]string
text
) returnstext
Si l'argument dictionary
est omis,
le dictionnaire de recherche plein texte nommé unaccent
et
apparaissant dans le même schéma que la fonction unaccent()
est utilisé.
Si l'argument dictionary
est
omis, unaccent
est supposé.
SELECT unaccent('unaccent','Hôtel'); SELECT unaccent('Hôtel');