页面树结构

2017-11-09 ApacheCN 开源组织,第二期邀请成员活动,一起走的更远 : http://www.apachecn.org/member/209.html


MachineLearning 优酷地址 : http://i.youku.com/apachecn

转至元数据结尾
转至元数据起始

 

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/ ]



  • 无标签