跳到主要内容

stop 分析器

stop 分析器与 simple 分析器相同，但增加了移除停用词的支持。它默认使用 _english_ 停用词。

示例输出​

POST _analyze
{
  "analyzer": "stop",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

上述句子会产出以下词项：

[ quick, brown, foxes, jumped, over, lazy, dog, s, bone ]

配置​

stop 分析器接受以下参数：

参数描述
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 _english_。
stopwords_path包含停用词的文件的路径。此路径相对于 Elasticsearch 的 config 目录。

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 stop 分析器使用指定的单词列表作为停用词。

PUT my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_stop_analyzer": {
          "type": "stop",
          "stopwords": [ "the", "over" ]
        }
      }
    }
  }
}

POST my-index-000001/_analyze
{
  "analyzer": "my_stop_analyzer",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

上面的示例产出以下词项：

[ quick, brown, foxes, jumped, lazy, dog, s, bone ]

定义​

它由以下部分组成：

分词器

词元过滤器

如果你需要在配置参数之外自定义 stop 分析器，则需要将其重建为 custom 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 stop 分析器，你可以将其作为进一步自定义的起点：

PUT /stop_example
{
  "settings": {
    "analysis": {
      "filter": {
        "english_stop": {
          "type": "stop",
          "stopwords": "_english_"
        }
      },
      "analyzer": {
        "rebuilt_stop": {
          "tokenizer": "lowercase",
          "filter": [
            "english_stop"
          ]
        }
      }
    }
  }
}
  1. 默认停用词可以通过 stopwords 或 stopwords_path 参数覆盖。
  2. 你可以在 english_stop 之后添加任何词元过滤器。

原文链接