Link Search Menu Expand Document Documentation Menu
文档

Elision 词元过滤器

Elision 词元过滤器用于移除某些语言中单词的省略字符。省略通常发生在法语等语言中，其中单词通常会缩写并与后续单词合并，通常通过省略元音并用撇号替换。

Elision 词元过滤器已在以下语言分词器中预配置：catalan、french、irish 和 italian。

参数

自定义的 elision 词元过滤器可使用以下参数进行配置。

参数 必需/可选 数据类型 描述
articles 如果未配置 articles_path 则为必填项 字符串数组 定义当省略词出现时应移除哪些冠词或短词。
articles_path 如果未配置 articles 则为必填项 字符串 指定在分析过程中应移除的自定义冠词列表的路径。
articles_case 可选 布尔型 指定过滤器在匹配省略词时是否区分大小写。默认为 false。

示例

默认的法语省略词集包括 l'、m'、t'、qu'、n'、s'、j'、d'、c'、jusqu'、quoiqu'、lorsqu' 和 puisqu'。您可以通过配置 french_elision 词元过滤器来更新此设置。以下示例请求创建一个名为 french_texts 的新索引，并使用 french_elision 过滤器配置一个分词器。

PUT /french_texts
{
  "settings": {
    "analysis": {
      "filter": {
        "french_elision": {
          "type": "elision",
          "articles": [ "l", "t", "m", "d", "n", "s", "j" ]
        }
      },
      "analyzer": {
        "french_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase", "french_elision"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "text": {
        "type": "text",
        "analyzer": "french_analyzer"
      }
    }
  }
}

生成的词元

使用以下请求检查使用该分析器生成的词元

POST /french_texts/_analyze
{
  "analyzer": "french_analyzer",
  "text": "L'étudiant aime l'école et le travail."
}

响应包含生成的词元

{
  "tokens": [
    {
      "token": "étudiant",
      "start_offset": 0,
      "end_offset": 10,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "aime",
      "start_offset": 11,
      "end_offset": 15,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "école",
      "start_offset": 16,
      "end_offset": 23,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "et",
      "start_offset": 24,
      "end_offset": 26,
      "type": "<ALPHANUM>",
      "position": 3
    },
    {
      "token": "le",
      "start_offset": 27,
      "end_offset": 29,
      "type": "<ALPHANUM>",
      "position": 4
    },
    {
      "token": "travail",
      "start_offset": 30,
      "end_offset": 37,
      "type": "<ALPHANUM>",
      "position": 5
    }
  ]
}
剩余 350 字符

有问题？。

想要贡献？ 或 。