模式替换词元过滤器
编辑模式替换词元过滤器编辑
使用正则表达式匹配和替换词元子字符串。
pattern_replace 过滤器使用 Java 的正则表达式语法。默认情况下，过滤器用空子字符串 ("") 替换匹配的子字符串。替换子字符串可以使用 Java 的 $g 语法 来引用原始词元文本中的捕获组。
编写不良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。
阅读有关 病态正则表达式以及如何避免它们 的更多信息。
此过滤器使用 Lucene 的 PatternReplaceFilter。
示例编辑
以下 分析 API 请求使用 pattern_replace 过滤器将 watch 添加到 foxes jump lazy dogs 中的子字符串 dog 之前。
response = client.indices.analyze(
body: {
tokenizer: 'whitespace',
filter: [
{
type: 'pattern_replace',
pattern: '(dog)',
replacement: 'watch$1'
}
],
text: 'foxes jump lazy dogs'
}
)
puts response
GET /_analyze
{
"tokenizer": "whitespace",
"filter": [
{
"type": "pattern_replace",
"pattern": "(dog)",
"replacement": "watch$1"
}
],
"text": "foxes jump lazy dogs"
}
过滤器生成以下词元。
[ foxes, jump, lazy, watchdogs ]
可配置参数编辑
-
all - （可选，布尔值）如果为
true，则替换与pattern参数的正则表达式匹配的所有子字符串。如果为false，则过滤器仅替换每个词元中的第一个匹配子字符串。默认为true。 -
pattern - （必填，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此模式匹配的词元子字符串。 -
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。
以下 创建索引 API 请求使用自定义 pattern_replace 过滤器 my_pattern_replace_filter 配置新的 自定义分析器。
my_pattern_replace_filter 过滤器使用正则表达式 [£|€] 匹配并删除货币符号 £ 和 €。过滤器的 all 参数为 false，这意味着仅删除每个词元中的第一个匹配符号。
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
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
}
}
}
}
}