跳到主要内容

simple_pattern 分词器

simple_pattern 分词器使用正则表达式将匹配的文本捕获为词项。它支持的正则表达式功能比 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处拆分输入。要使用相同的受限正则表达式子集在模式匹配处拆分，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说明，参阅正则表达式语法。

提示

默认模式为空字符串，这不会产出任何词项。此分词器应始终配置为非默认模式。

配置​

simple_pattern 分词器接受以下参数：

参数描述
patternLucene 正则表达式，默认为空字符串。

配置示例​

本示例配置 simple_pattern 分词器产出三位数字的词项。

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"
}

上面的示例产出以下词项：

[ 786, 335, 514 ]

原文链接