简单模式分词器
编辑简单模式分词器编辑
simple_pattern 分词器使用正则表达式来捕获匹配的文本作为词条。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。
与 pattern 分词器不同，此分词器不支持在模式匹配时拆分输入。要使用相同的受限正则表达式子集在模式匹配时拆分，请参阅 simple_pattern_split 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解释，请参阅 正则表达式语法。
默认模式为空字符串，这将产生没有词条。此分词器应始终配置为使用非默认模式。
配置编辑
simple_pattern 分词器接受以下参数
|
|
Lucene 正则表达式，默认为空字符串。 |
示例配置编辑
此示例配置 simple_pattern 分词器以生成三位数字的词条
response = client.indices.create(
index: 'my-index-000001',
body: {
settings: {
analysis: {
analyzer: {
my_analyzer: {
tokenizer: 'my_tokenizer'
}
},
tokenizer: {
my_tokenizer: {
type: 'simple_pattern',
pattern: '[0123456789]{3}'
}
}
}
}
}
)
puts response
response = client.indices.analyze(
index: 'my-index-000001',
body: {
analyzer: 'my_analyzer',
text: 'fd-786-335-514-x'
}
)
puts response
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "my_tokenizer"
}
},
"tokenizer": {
"my_tokenizer": {
"type": "simple_pattern",
"pattern": "[0123456789]{3}"
}
}
}
}
}
POST my-index-000001/_analyze
{
"analyzer": "my_analyzer",
"text": "fd-786-335-514-x"
}
上面的示例生成以下词条
[ 786, 335, 514 ]