Path Hierarchy Tokenizer（路径层次分词器）

path_hierarchy tokenizer 把分层的值看成是文件路径，用路径分隔符分割文本，输出树上的各个节点。

输出示例

POST _analyze
{
  "tokenizer": "path_hierarchy",
  "text": "/one/two/three"
}

输出为：

[ /one, /one/two, /one/two/three ]

配置

path_hierarchy tokenizer 有以下参数：

delimiter	路径分隔符。默认是 / 。
replacement	路径分隔符的替换字符。默认是delimiter.
buffer_size	一次读到词元缓冲区的字符数。默认是 1024 。 词元缓冲区以此大小增长，只到读完所有的文本。建议不要更改这项配置。
reverse	若为 true ，以相反的顺序发射词元。默认是 false 。
skip	忽视的原始词元的数量。默认是0。

配置示例

下面的例子中，我们配置 遇到 - 时分割 并替换为 / ，忽视前2个词元：

PUT my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "path_hierarchy",
          "delimiter": "-",
          "replacement": "/",
          "skip": 2
        }
      }
    }
  }
}

POST my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text": "one-two-three-four-five"
}

输出为：

[ /three, /three/four, /three/four/five ]

若配置 reverse为 true ，输出为：

[ one/two/three/, two/three/, three/ ]