保留词语词元过滤器
编辑保留词语词元过滤器编辑
仅保留指定词语列表中包含的词元。
此过滤器使用 Lucene 的 KeepWordFilter。
要从词元流中删除词语列表，请使用 stop 过滤器。
示例编辑
以下 分析 API 请求使用 keep 过滤器仅保留 the quick fox jumps over the lazy dog 中的 fox 和 dog 词元。
response = client.indices.analyze(
body: {
tokenizer: 'whitespace',
filter: [
{
type: 'keep',
keep_words: [
'dog',
'elephant',
'fox'
]
}
],
text: 'the quick fox jumps over the lazy dog'
}
)
puts response
GET _analyze
{
"tokenizer": "whitespace",
"filter": [
{
"type": "keep",
"keep_words": [ "dog", "elephant", "fox" ]
}
],
"text": "the quick fox jumps over the lazy dog"
}
该过滤器生成以下词元
[ fox, dog ]
可配置参数编辑
-
keep_words -
（必填*，字符串数组）要保留的词语列表。只有与此列表中的词语匹配的词元才会包含在输出中。
必须指定此参数或
keep_words_path参数。 -
keep_words_path -
（必填*，字符串数组）包含要保留的词语列表的文件的路径。只有与此列表中的词语匹配的词元才会包含在输出中。
此路径必须是绝对路径或相对于
config位置的路径，并且该文件必须采用 UTF-8 编码。文件中的每个词语都必须用换行符分隔。必须指定此参数或
keep_words参数。 -
keep_words_case - （可选，布尔值）如果为
true，则将所有保留词语转换为小写。默认为false。
自定义并添加到分析器编辑
要自定义 keep 过滤器，请复制它以创建新的自定义词元过滤器的基础。您可以使用其可配置参数修改过滤器。
例如，以下 创建索引 API 请求使用自定义 keep 过滤器来配置两个新的 自定义分析器
-
standard_keep_word_array，它使用带有内联保留词语数组的自定义keep过滤器 -
standard_keep_word_file，它使用带有保留词语文件的自定义keep过滤器
PUT keep_words_example
{
"settings": {
"analysis": {
"analyzer": {
"standard_keep_word_array": {
"tokenizer": "standard",
"filter": [ "keep_word_array" ]
},
"standard_keep_word_file": {
"tokenizer": "standard",
"filter": [ "keep_word_file" ]
}
},
"filter": {
"keep_word_array": {
"type": "keep",
"keep_words": [ "one", "two", "three" ]
},
"keep_word_file": {
"type": "keep",
"keep_words_path": "analysis/example_word_list.txt"
}
}
}
}
}