Link Search Menu Expand Document Documentation Menu
文档

标准分词器

standard 分词器是 OpenSearch 中的默认分词器。它基于词边界进行文本分词，采用语法规则方法识别字母、数字和标点符号等其他字符。它高度通用，适用于多种语言，因为它使用 Unicode 文本分段规则 (UAX#29) 将文本拆分成词元。

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 standard 分词器的分析器

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_standard_analyzer": {
          "type": "standard"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "my_standard_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 /my_index/_analyze
{
  "analyzer": "my_standard_analyzer",
  "text": "OpenSearch is powerful, fast, and scalable."
}

响应包含生成的词元

{
  "tokens": [
    {
      "token": "opensearch",
      "start_offset": 0,
      "end_offset": 10,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "is",
      "start_offset": 11,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "powerful",
      "start_offset": 14,
      "end_offset": 22,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "fast",
      "start_offset": 24,
      "end_offset": 28,
      "type": "<ALPHANUM>",
      "position": 3
    },
    {
      "token": "and",
      "start_offset": 30,
      "end_offset": 33,
      "type": "<ALPHANUM>",
      "position": 4
    },
    {
      "token": "scalable",
      "start_offset": 34,
      "end_offset": 42,
      "type": "<ALPHANUM>",
      "position": 5
    }
  ]
}

参数

standard 分词器可以通过以下参数进行配置。

参数 必需/可选 数据类型 描述
max_token_length 可选 整数 设置生成词元的最大长度。如果超出此长度，词元将在 max_token_length 中配置的长度处拆分成多个词元。默认值为 255。
剩余 350 字符

有问题？。

想贡献力量？或。