fingerprint 分析器
fingerprint 分析器实现了一种指纹算法，该算法被 OpenRefine 项目用于辅助聚类。
输入文本会被小写化、规范化以去除扩展字符、排序、去重，并拼接为单个词元。如果配置了停用词列表，停用词也会被移除。
示例输出
POST _analyze
{
"analyzer": "fingerprint",
"text": "Yes yes, Gödel said this sentence is consistent and."
}
上述句子会产出以下单个词项：
[ and consistent godel is said sentence this yes ]
配置
fingerprint 分析器接受以下参数：
| 参数 | 描述 |
|---|---|
separator | 用于拼接词项的字符。默认为空格。 |
max_output_size | 输出词元的最大尺寸。默认为 255。超过此尺寸的词元将被丢弃。 |
stopwords | 预定义的停用词列表（如 _english_），或包含停用词列表的数组。默认为 _none_。 |
stopwords_path | 包含停用词的文件的路径。 |
有关停用词配置的更多信息，参阅 Stop 词元过滤器。
配置示例
在本示例中，我们配置 fingerprint 分析器使用预定义的英语停用词列表：
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_fingerprint_analyzer": {
"type": "fingerprint",
"stopwords": "_english_"
}
}
}
}
}
POST my-index-000001/_analyze
{
"analyzer": "my_fingerprint_analyzer",
"text": "Yes yes, Gödel said this sentence is consistent and."
}
上面的示例产出以下词项：
[ consistent godel said sentence yes ]
定义
fingerprint 分析器由以下部分组成：
分词器
词元过滤器（按顺序）
如果你需要在配置参数之外自定义 fingerprint 分析器，则需要将其重建为自定义分析器并加以修改，通常通过添加词元过滤器来实现。以下代码会重建内置的 fingerprint 分析器，你可以将其作为进一步自定义的起点：
PUT /fingerprint_example
{
"settings": {
"analysis": {
"analyzer": {
"rebuilt_fingerprint": {
"tokenizer": "standard",
"filter": [
"lowercase",
"asciifolding",
"fingerprint"
]
}
}
}
}
}