Pattern Replace Character Filter(正则替换字符)

Search…
Pattern Replace Character Filter使用正则表达式来匹配应替换为指定替换字符串的字符。替换字符串可以引用正则表达式中的捕获组。
小心"病态"正则表达式
Pattern Replace Character Filter使用Java正则表达式。
一个“病态”的正则表达式可能会运行得非常慢，甚至会抛出一个StackOverflowError，还会导致其运行的节点突然退出。
更多信息请查看pathological regular expressions and how to avoid them​.​
配置
Pattern Replace Character Filter会接收以下参数：
参数名称
参数说明
pattern
一个Java正则表达式. 必填
replacement
替换字符串，可以使用$ 1 .. $ 9语法来引用捕获组，可以参考这里。
flags
Java正则表达式标志。标志应该用“|”进行分割，例如“CASE_INSENSITIVE | COMMENTS”。
在下面例子中，我们使用Pattern Replace Character Filter实现用下划线替代任何嵌入的破折号，即123-456-789→123_456_789：
1
PUT my_index
2
{
3
  "settings": {
4
    "analysis": {
5
      "analyzer": {
6
        "my_analyzer": {
7
          "tokenizer": "standard",
8
          "char_filter": [
9
            "my_char_filter"
10
          ]
11
        }
12
      },
13
      "char_filter": {
14
        "my_char_filter": {
15
          "type": "pattern_replace",
16
          "pattern": "(\\d+)-(?=\\d)",
17
          "replacement": "$1_"
18
        }
19
      }
20
    }
21
  }
22
}
23
​
24
POST my_index/_analyze
25
{
26
  "analyzer": "my_analyzer",
27
  "text": "My credit card is 123-456-789"
28
}
Copied!
上面案例将返回如下结果：
1
[ My, credit, card, is 123_456_789 ]
Copied!
出于搜索目的使用替换字符串，会引起原始文本长度的更改，进而导致不正确的高亮显示。案例如下所示。
这个示例在遇到小写字母后跟大写字母（即fooBarBaz→foo Bar Baz）时插入空格，允许单独查询camelCase字词：
1
PUT my_index
2
{
3
  "settings": {
4
    "analysis": {
5
      "analyzer": {
6
        "my_analyzer": {
7
          "tokenizer": "standard",
8
          "char_filter": [
9
            "my_char_filter"
10
          ],
11
          "filter": [
12
            "lowercase"
13
          ]
14
        }
15
      },
16
      "char_filter": {
17
        "my_char_filter": {
18
          "type": "pattern_replace",
19
          "pattern": "(?<=\\p{Lower})(?=\\p{Upper})",
20
          "replacement": " "
21
        }
22
      }
23
    }
24
  },
25
  "mappings": {
26
    "my_type": {
27
      "properties": {
28
        "text": {
29
          "type": "text",
30
          "analyzer": "my_analyzer"
31
        }
32
      }
33
    }
34
  }
35
}
36
​
37
POST my_index/_analyze
38
{
39
  "analyzer": "my_analyzer",
40
  "text": "The fooBarBaz method"
41
}
Copied!
示例返回的结果如下：
1
[ the, foo, bar, baz, method ]
Copied!
查询bar可以正确找到文档，但突出显示结果将产生不正确的高光，因为我们的字符过滤器更改了原始文本的长度：
1
PUT my_index/my_doc/1?refresh
2
{
3
  "text": "The fooBarBaz method"
4
}
5
​
6
GET my_index/_search
7
{
8
  "query": {
9
    "match": {
10
      "text": "bar"
11
    }
12
  },
13
  "highlight": {
14
    "fields": {
15
      "text": {}
16
    }
17
  }
18
}
Copied!
以上的输出结果是：
1
{
2
  "timed_out": false,
3
  "took": $body.took,
4
  "_shards": {
5
    "total": 5,
6
    "successful": 5,
7
    "failed": 0
8
  },
9
  "hits": {
10
    "total": 1,
11
    "max_score": 0.2824934,
12
    "hits": [
13
      {
14
        "_index": "my_index",
15
        "_type": "my_doc",
16
        "_id": "1",
17
        "_score": 0.2824934,
18
        "_source": {
19
          "text": "The fooBarBaz method"
20
        },
21
        "highlight": {
22
          "text": [
23
            "The foo<em>Ba</em>rBaz method"
24
          ]
25
        }
26
      }
27
    ]
28
  }
29
}
Copied!
Mapping Character Filter(字符替换映射)
3.4. APIs
Last modified 3yr ago
Copy link
Contents
配置