Link Search Menu Expand Document Documentation Menu
文档

简单模式分词器

simple_pattern 分词器根据正则表达式识别文本中的匹配序列，并使用这些序列作为词元。它提取与正则表达式匹配的词条。当您希望直接将特定模式提取为词条时，请使用此分词器。

使用示例

以下示例请求创建一个名为 my_index 的新索引，并配置一个使用 simple_pattern 分词器的分析器。该分词器从文本中提取数值词条。

PUT /my_index
{
  "settings": {
    "analysis": {
      "tokenizer": {
        "my_pattern_tokenizer": {
          "type": "simple_pattern",
          "pattern": "\\d+"
        }
      },
      "analyzer": {
        "my_pattern_analyzer": {
          "type": "custom",
          "tokenizer": "my_pattern_tokenizer"
        }
      }
    }
  }
}

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 /my_index/_analyze
{
  "analyzer": "my_pattern_analyzer",
  "text": "OpenSearch-2024-10-09"
}

响应包含生成的词元

{
  "tokens": [
    {
      "token": "2024",
      "start_offset": 11,
      "end_offset": 15,
      "type": "word",
      "position": 0
    },
    {
      "token": "10",
      "start_offset": 16,
      "end_offset": 18,
      "type": "word",
      "position": 1
    },
    {
      "token": "09",
      "start_offset": 19,
      "end_offset": 21,
      "type": "word",
      "position": 2
    }
  ]
}

参数

simple_pattern 分词器可以使用以下参数进行配置。

参数 必需/可选 数据类型 描述
模式 可选 字符串 用于将文本拆分为词元的模式，使用 Lucene 正则表达式指定。默认为空字符串，这将把输入文本作为一个词元返回。
剩余 350 字符

有问题？。

想贡献？或。