path_hierarchy 分词器
path_hierarchy 分词器接受文件系统路径等分层值，按路径分隔符拆分，并为树中的每个组件产出一个词项。path_hierarchy 分词器底层使用 Lucene 的 PathHierarchyTokenizer。
示例输出
POST _analyze
{
"tokenizer": "path_hierarchy",
"text": "/one/two/three"
}
产出的词项：
[ /one, /one/two, /one/two/three ]
配置
path_hierarchy 分词器接受以下参数：
| 参数 | 描述 |
|---|---|
delimiter | 用作路径分隔符的字符。默认为 /。 |
replacement | 用于替换分隔符的可选字符。默认为分隔符本身。 |
buffer_size | 单次读取到词项缓冲区中的字符数。默认为 1024。词项缓冲区会按此大小增长，直到所有文本被读取完毕。建议不要更改此设置。 |
reverse | 如果为 true，则使用 Lucene 的 ReversePathHierarchyTokenizer，适用于域名等类似的层级结构。默认为 false。 |
skip | 要跳过的初始词元数量。默认为 0。 |
配置示例
在本示例中，我们配置 path_hierarchy 分词器按 - 字符拆分，并将其替换为 /。前两个词元被跳过：
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "my_tokenizer"
}
},
"tokenizer": {
"my_tokenizer": {
"type": "path_hierarchy",
"delimiter": "-",
"replacement": "/",
"skip": 2
}
}
}
}
}
POST my-index-000001/_analyze
{
"analyzer": "my_analyzer",
"text": "one-two-three-four-five"
}
产出的词项：
[ /three, /three/four, /three/four/five ]
如果我们将 reverse 设置为 true，则会产出以下内容：
[ one/two/three/, two/three/, three/ ]
详细示例
path_hierarchy 分词器的一个常见用例是按文件路径过滤结果。如果在索引文件路径的同时索引数据，使用 path_hierarchy 分词器分析路径，就可以按文件路径字符串的不同部分过滤结果。
本示例将索引配置为拥有两个自定义分析器，并将这些分析器应用于将存储文件名的 file_path 文本字段的多字段（multifield）。两个分析器中的一个使用反向分词。随后索引一些示例文档，代表两个不同用户的照片文件夹中的一些照片文件路径。
PUT file-path-test
{
"settings": {
"analysis": {
"analyzer": {
"custom_path_tree": {
"tokenizer": "custom_hierarchy"
},
"custom_path_tree_reversed": {
"tokenizer": "custom_hierarchy_reversed"
}
},
"tokenizer": {
"custom_hierarchy": {
"type": "path_hierarchy",
"delimiter": "/"
},
"custom_hierarchy_reversed": {
"type": "path_hierarchy",
"delimiter": "/",
"reverse": "true"
}
}
}
},
"mappings": {
"properties": {
"file_path": {
"type": "text",
"fields": {
"tree": {
"type": "text",
"analyzer": "custom_path_tree"
},
"tree_reversed": {
"type": "text",
"analyzer": "custom_path_tree_reversed"
}
}
}
}
}
}
POST file-path-test/_doc/1
{
"file_path": "/User/alice/photos/2017/05/16/my_photo1.jpg"
}
POST file-path-test/_doc/2
{
"file_path": "/User/alice/photos/2017/05/16/my_photo2.jpg"
}
POST file-path-test/_doc/3
{
"file_path": "/User/alice/photos/2017/05/16/my_photo3.jpg"
}
POST file-path-test/_doc/4
{
"file_path": "/User/alice/photos/2017/05/15/my_photo1.jpg"
}
POST file-path-test/_doc/5
{
"file_path": "/User/bob/photos/2017/05/16/my_photo1.jpg"
}
按文件路径搜索（match 查询）
针对 text 字段搜索特定文件路径字符串会匹配所有示例文档。由于 Bob 的文档相关性最高而排在最前，这是因为 bob 也是标准分析器创建的词项之一，从而提升了 Bob 文档的相关性。
GET file-path-test/_search
{
"query": {
"match": {
"file_path": "/User/bob/photos/2017/05"
}
}
}
按目录过滤（file_path.tree 上的 term 查询）
使用 file_path.tree 字段，可以轻松匹配或过滤存在于特定目录中的文件路径的文档。
GET file-path-test/_search
{
"query": {
"term": {
"file_path.tree": "/User/alice/photos/2017/05/16"
}
}
}
从路径末尾匹配（reverse 字段）
利用此分词器的 reverse 参数，还可以从文件路径的另一端进行匹配，例如单个文件名或深层次的子目录。以下示例通过映射中配置为使用 reverse 参数的 file_path.tree_reversed 字段，搜索任何目录中所有名为 my_photo1.jpg 的文件。
GET file-path-test/_search
{
"query": {
"term": {
"file_path.tree_reversed": {
"value": "my_photo1.jpg"
}
}
}
}
查看词元（正向与反向）
同时查看正向与反向生成的词元，有助于了解为同一个文件路径值创建的词元。
POST file-path-test/_analyze
{
"analyzer": "custom_path_tree",
"text": "/User/alice/photos/2017/05/16/my_photo1.jpg"
}
POST file-path-test/_analyze
{
"analyzer": "custom_path_tree_reversed",
"text": "/User/alice/photos/2017/05/16/my_photo1.jpg"
}
将路径过滤与其他搜索组合
将文件路径过滤与其他类型的搜索组合使用也很有用，例如下例查找文件路径中包含 16 且必须位于 Alice 照片目录中的所有文件。
GET file-path-test/_search
{
"query": {
"bool": {
"must": {
"match": { "file_path": "16" }
},
"filter": {
"term": { "file_path.tree": "/User/alice" }
}
}
}
}