ICU 折叠词元过滤器
编辑ICU 折叠词元过滤器
编辑基于 UTR#30 的 Unicode 字符大小写折叠，就像打了鸡血的 ASCII 折叠词元过滤器。它将自身注册为 icu_folding 词元过滤器，并且可用于所有索引
PUT icu_sample
{
"settings": {
"index": {
"analysis": {
"analyzer": {
"folded": {
"tokenizer": "icu_tokenizer",
"filter": [
"icu_folding"
]
}
}
}
}
}
}
ICU 折叠词元过滤器已经执行了 Unicode 规范化，因此无需再使用规范化字符或词元过滤器。
可以通过指定 unicode_set_filter 参数来控制哪些字母被折叠，该参数接受 UnicodeSet。
以下示例将瑞典字符排除在折叠之外。请务必注意，应该同时指定大写和小写形式，并且这些过滤的字符不会被转换为小写，这就是为什么我们还要添加 lowercase 过滤器
PUT icu_sample
{
"settings": {
"index": {
"analysis": {
"analyzer": {
"swedish_analyzer": {
"tokenizer": "icu_tokenizer",
"filter": [
"swedish_folding",
"lowercase"
]
}
},
"filter": {
"swedish_folding": {
"type": "icu_folding",
"unicode_set_filter": "[^åäöÅÄÖ]"
}
}
}
}
}
}