› › ›

模式替换标记过滤器

编辑

模式替换标记过滤器

编辑

使用正则表达式匹配和替换标记子字符串。

pattern_replace 过滤器使用 Java 的正则表达式语法。默认情况下，过滤器会将匹配的子字符串替换为空子字符串 ("")。替换子字符串可以使用 Java 的 $g 语法来引用原始标记文本中的捕获组。

编写不当的正则表达式可能会运行缓慢或返回 StackOverflowError，导致运行该表达式的节点突然退出。

阅读更多关于病态正则表达式以及如何避免它们的信息。

此过滤器使用 Lucene 的 PatternReplaceFilter。

示例

编辑

以下分析 API 请求使用 pattern_replace 过滤器在 foxes jump lazy dogs 中的 dog 子字符串前添加 watch。

resp = client.indices.analyze(
    tokenizer="whitespace",
    filter=[
        {
            "type": "pattern_replace",
            "pattern": "(dog)",
            "replacement": "watch$1"
        }
    ],
    text="foxes jump lazy dogs",
)
print(resp)

response = client.indices.analyze(
  body: {
    tokenizer: 'whitespace',
    filter: [
      {
        type: 'pattern_replace',
        pattern: '(dog)',
        replacement: 'watch$1'
      }
    ],
    text: 'foxes jump lazy dogs'
  }
)
puts response

const response = await client.indices.analyze({
  tokenizer: "whitespace",
  filter: [
    {
      type: "pattern_replace",
      pattern: "(dog)",
      replacement: "watch$1",
    },
  ],
  text: "foxes jump lazy dogs",
});
console.log(response);

GET /_analyze
{
  "tokenizer": "whitespace",
  "filter": [
    {
      "type": "pattern_replace",
      "pattern": "(dog)",
      "replacement": "watch$1"
    }
  ],
  "text": "foxes jump lazy dogs"
}

过滤器生成以下标记。

[ foxes, jump, lazy, watchdogs ]

可配置参数

编辑

all: (可选，布尔值) 如果 true，则替换所有与 pattern 参数的正则表达式匹配的子字符串。如果 false，则过滤器仅替换每个标记中第一个匹配的子字符串。默认为 true。
pattern: (必需，字符串) 正则表达式，使用 Java 的正则表达式语法编写。过滤器使用 replacement 参数中的子字符串替换与该模式匹配的标记子字符串。
replacement: (可选，字符串) 替换子字符串。默认为空子字符串 ("")。

自定义并添加到分析器

编辑

要自定义 pattern_replace 过滤器，请复制它以创建新自定义标记过滤器的基础。您可以使用其可配置参数修改过滤器。

以下创建索引 API 请求使用自定义 pattern_replace 过滤器 my_pattern_replace_filter 配置一个新的自定义分析器。

my_pattern_replace_filter 过滤器使用正则表达式 [£|€] 来匹配并删除货币符号 £ 和 €。过滤器的 all 参数为 false，这意味着每个标记中仅删除第一个匹配的符号。

resp = client.indices.create(
    index="my-index-000001",
    settings={
        "analysis": {
            "analyzer": {
                "my_analyzer": {
                    "tokenizer": "keyword",
                    "filter": [
                        "my_pattern_replace_filter"
                    ]
                }
            },
            "filter": {
                "my_pattern_replace_filter": {
                    "type": "pattern_replace",
                    "pattern": "[£|€]",
                    "replacement": "",
                    "all": False
                }
            }
        }
    },
)
print(resp)

response = client.indices.create(
  index: 'my-index-000001',
  body: {
    settings: {
      analysis: {
        analyzer: {
          my_analyzer: {
            tokenizer: 'keyword',
            filter: [
              'my_pattern_replace_filter'
            ]
          }
        },
        filter: {
          my_pattern_replace_filter: {
            type: 'pattern_replace',
            pattern: '[£|€]',
            replacement: '',
            all: false
          }
        }
      }
    }
  }
)
puts response

const response = await client.indices.create({
  index: "my-index-000001",
  settings: {
    analysis: {
      analyzer: {
        my_analyzer: {
          tokenizer: "keyword",
          filter: ["my_pattern_replace_filter"],
        },
      },
      filter: {
        my_pattern_replace_filter: {
          type: "pattern_replace",
          pattern: "[£|€]",
          replacement: "",
          all: false,
        },
      },
    },
  },
});
console.log(response);

PUT /my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "keyword",
          "filter": [
            "my_pattern_replace_filter"
          ]
        }
      },
      "filter": {
        "my_pattern_replace_filter": {
          "type": "pattern_replace",
          "pattern": "[£|€]",
          "replacement": "",
          "all": false
        }
      }
    }
  }
}

« 模式捕获标记过滤器音标标记过滤器 »