标准分析器
编辑标准分析器编辑
standard 分析器是默认分析器，如果未指定则使用它。它提供基于语法的分词（基于 Unicode 文本分段算法，如 Unicode 标准附件 #29 中所述），并且适用于大多数语言。
示例输出编辑
response = client.indices.analyze(
body: {
analyzer: 'standard',
text: "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}
)
puts response
POST _analyze
{
"analyzer": "standard",
"text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}
以上句子将生成以下词语
[ the, 2, quick, brown, foxes, jumped, over, the, lazy, dog's, bone ]
配置编辑
standard 分析器接受以下参数
|
|
最大词语长度。如果看到超过此长度的词语，则将其在 |
|
|
预定义的停用词列表，例如 |
|
|
包含停用词的文件的路径。 |
有关停用词配置的更多信息，请参见 停用词标记过滤器。
示例配置编辑
在此示例中，我们配置 standard 分析器，使其具有 max_token_length 为 5（为了演示目的），并使用预定义的英语停用词列表
response = client.indices.create(
index: 'my-index-000001',
body: {
settings: {
analysis: {
analyzer: {
my_english_analyzer: {
type: 'standard',
max_token_length: 5,
stopwords: '_english_'
}
}
}
}
}
)
puts response
response = client.indices.analyze(
index: 'my-index-000001',
body: {
analyzer: 'my_english_analyzer',
text: "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}
)
puts response
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_english_analyzer": {
"type": "standard",
"max_token_length": 5,
"stopwords": "_english_"
}
}
}
}
}
POST my-index-000001/_analyze
{
"analyzer": "my_english_analyzer",
"text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}
以上示例生成以下词语
[ 2, quick, brown, foxes, jumpe, d, over, lazy, dog's, bone ]
定义编辑
standard 分析器包含
如果您需要对 standard 分析器进行超出配置参数的自定义，则需要将其重新创建为 custom 分析器并进行修改，通常是通过添加标记过滤器。这将重新创建内置的 standard 分析器，您可以将其用作起点
response = client.indices.create(
index: 'standard_example',
body: {
settings: {
analysis: {
analyzer: {
rebuilt_standard: {
tokenizer: 'standard',
filter: [
'lowercase'
]
}
}
}
}
}
)
puts response