Bleve 文档翻译计划(7)——令牌过滤器

Token Filters(令牌过滤器)

分析器按名称引用令牌过滤器。使用现有的或使用 IndexMapping.AddCustomTokenFilter 创建变体:

var m *IndexMapping = index.Mapping()
err := m.AddCustomTokenFilter("color_stop_filter", map[string]interface{}{
    "type": stop_tokens_filter.Name,
    "tokens": []interface{}{
        "red",
        "green",
        "blue",
    },
})
if err != nil {
    log.Fatal(err)
}

创建一个名为“color_stop_filter”的新停止令牌过滤器,它删除所有“red”、“green”或“blue”令牌。注册后,自定义分析器可以引用该过滤器。
creates a new Stop Token Filter named “color_stop_filter”, which removes all “red”, “green” or “blue” tokens. Once registered, this filter can be referenced by a custom Analyzer.

Apostrophe(撇号,即')

Configuration:

  • type: apostrophe_filter.Name
    撇号标记过滤器删除撇号后的所有字符。
    The Apostrophe Token Filter removes all characters after an apostrophe.

Camel Case

camel case筛选器将以Camel Case书写的令牌拆分为包含它的令牌集。例如,“骆驼箱”这个标记会产生“骆驼”和“箱子”。
The Camel Case Filter splits a token written in camel case into the set of tokens comprising it. For example, the token camelCasewould produce camel and Case.

CLD2

CLD2令牌过滤器将从每个令牌中获取文本,并将其传递到[紧凑语言检测2库。每个令牌都被替换为与检测到的国际标准化组织639语言代码相对应的新令牌。输入文本应该已经转换为小写。
The CLD2 Token Filter will take the text from each token and pass it to the Compact Language Detection 2 library. Each token is replaced with a new token corresponding to the ISO 639 language code detected. Input text should already be converted to lower case.

Compound Word Dictionary

复合词词典过滤器允许您提供一个组合形成复合词的词词典,并允许您单独对它们进行索引。
The compound word dictionary filter lets you supply a dictionary of words that combine to form compound words and lets you index them individually.

Edge n-gram

边缘n-gram令牌过滤器将像n-gram令牌过滤器一样计算n-gram,但是所有计算的n-gram都植根于一侧(前面或后面)。
The edge n-gram token filter will compute n-grams just like the n-gram token filter, but all the computed n-grams are rooted at one side (either the front or the back).

Elision

The elision filter identifies and removes articles prefixing a term and separated by an apostrophe.

For example, in French l'avion becomes avion.

The elision filter is configured with a reference to a token map containing the articles.

Keyword Marker

The keyword marker filter will identify keywords and mark them as such. Keywords are then ignored by any downstream stemmer.

The keyword marker filter is configured with a token map containing the keywords.

Length

长度过滤器识别太长或太短的标记。有两个参数,最小令牌长度和最大令牌长度。太长或太短的令牌将从令牌流中删除。
The length filter identifies tokens which are either too long or too short. There are two parameters, the minimum token length and the maximum token length. Tokens that are either too long or too short are removed from the token stream.

Lowercase

小写令牌过滤器将检查每个输入令牌,并将所有Unicode字母映射到它们的小写字母。
The Lowercase Token Filter will examine each input token and map all Unicode letters to their lower case.

n-gram

n-gram令牌过滤器根据每个输入令牌计算n-gram。有两个参数,最小和最大n-gram长度。
The n-gram token filter computes n-grams from each input token. There are two parameters, the minimum and maximum n-gram length.

Porter Stemmer

波特词干过滤器将波特词干算法应用于输入令牌。
The porter stemmer filter applies the Porter Stemming Algorithm to the input tokens.

Shingle

瓦片区过滤器根据输入令牌流计算多令牌瓦片区。例如,令牌流“快速棕色狐狸”当配置有最小和最大长度为2的瓦片时,将产生令牌“快速”、“快速棕色”和“棕色狐狸”。
The Shingle filter computes multi-token shingles from the input token stream. For example, the token stream the quick brown foxwhen configured with a shingle minimum and maximum length of 2 would produce the tokens the quick, quick brown and brown fox.

Stemmer

词干分析器令牌过滤器接受输入术语,并对它们应用[词干处理。
The stemmer token filter takes input terms and applies a stemming process to them.

这个实现使用了[libstemmer。
This implementation uses libstemmer.

支持的语言有:
The supported languages are:

  • Danish
  • Dutch
  • English
  • Finnish
  • French
  • German
  • Hungarian
  • Italian
  • Norwegian
  • Porter
  • Portuguese
  • Romanian
  • Russian
  • Spanish
  • Swedish
  • Turkish

Stop Token

Configuration:

  • type: stop_tokens_filter.Name
  • stop_token_map (string): the name of the token map identifying tokens to remove.

The Stop Token Filter is configured with a map of tokens that should be removed from the token stream.

Truncate Token

The truncate token filter truncates each input token to a maximum token length.

Unicode Normalize

The Unicode normalization filter converts the input terms into the specified Unicode Normalization Form.

The supported forms are:

  • nfc
  • nfd
  • nfkc
  • nfkd
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容