› › ›

简单模式分割分词器

编辑

简单模式分割分词器

编辑

simple_pattern_split 分词器使用正则表达式在模式匹配处将输入分割成词项。它支持的正则表达式功能集比 pattern 分词器更有限，但分词速度通常更快。

此分词器不会从匹配项本身生成词项。要使用相同受限正则表达式子集中的模式从匹配项生成词项，请参阅 simple_pattern 分词器。

此分词器使用 Lucene 正则表达式。有关支持的功能和语法的说明，请参阅正则表达式语法。

默认模式为空字符串，这将生成一个包含完整输入的词项。此分词器应始终配置为非默认模式。

配置

编辑

simple_pattern_split 分词器接受以下参数

pattern

一个 Lucene 正则表达式，默认为空字符串。

配置示例

编辑

此示例配置 simple_pattern_split 分词器以在下划线上分割输入文本。

resp = client.indices.create(
    index="my-index-000001",
    settings={
        "analysis": {
            "analyzer": {
                "my_analyzer": {
                    "tokenizer": "my_tokenizer"
                }
            },
            "tokenizer": {
                "my_tokenizer": {
                    "type": "simple_pattern_split",
                    "pattern": "_"
                }
            }
        }
    },
)
print(resp)

resp1 = client.indices.analyze(
    index="my-index-000001",
    analyzer="my_analyzer",
    text="an_underscored_phrase",
)
print(resp1)

response = client.indices.create(
  index: 'my-index-000001',
  body: {
    settings: {
      analysis: {
        analyzer: {
          my_analyzer: {
            tokenizer: 'my_tokenizer'
          }
        },
        tokenizer: {
          my_tokenizer: {
            type: 'simple_pattern_split',
            pattern: '_'
          }
        }
      }
    }
  }
)
puts response

response = client.indices.analyze(
  index: 'my-index-000001',
  body: {
    analyzer: 'my_analyzer',
    text: 'an_underscored_phrase'
  }
)
puts response

const response = await client.indices.create({
  index: "my-index-000001",
  settings: {
    analysis: {
      analyzer: {
        my_analyzer: {
          tokenizer: "my_tokenizer",
        },
      },
      tokenizer: {
        my_tokenizer: {
          type: "simple_pattern_split",
          pattern: "_",
        },
      },
    },
  },
});
console.log(response);

const response1 = await client.indices.analyze({
  index: "my-index-000001",
  analyzer: "my_analyzer",
  text: "an_underscored_phrase",
});
console.log(response1);

PUT my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "simple_pattern_split",
          "pattern": "_"
        }
      }
    }
  }
}

POST my-index-000001/_analyze
{
  "analyzer": "my_analyzer",
  "text": "an_underscored_phrase"
}

上面的示例生成以下词项

[ an, underscored, phrase ]

« 简单模式分词器标准分词器 »