Letter Tokenizer

letter tokenizer 遇到非字母时分割文本。对大多数欧洲语言来说,这是一个合理的做法。但是对于一些亚洲语言而言,这些语言的词语并不是用空格分开。

输出示例

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

上面的句子会生成如下的词元:

[ The, QUICK, Brown, Foxes, jumped, over, the, lazy, dog, s, bone ]

配置

letter tokenizer 不支持配置。

Last updated