解析-analysis

Posted wodeboke-y

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了解析-analysis相关的知识,希望对你有一定的参考价值。

 

解析-analysis

 

1.      解析-analysis

可以理解为分词。

解析由解析器——analyzer执行,解析器包括内置和用户自定义两种。

 

1.1.    解析器

1.1.1.   内置解析器

doc:https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-analyzers.html

Standard Analyzer:按单词边界分解,忽略大多数标点符号、小写术语,支持删除停用词。

Simple Analyzer:以非字母字符为分词点,格式化字母为小写。

Whitespace Analyzer:以空白字符为分词点,不执行小写化。

Stop Analyzer:类似于simple analyzer,但支持删除停用词。

Pattern Analyzer:正则解析分词

Language Analyzers:其它语种分词

Fingerprint Analyzer:

The fingerprint analyzer is a specialist analyzer which creates a fingerprint which can be used for duplicate detection.

 

1.1.2.   自定义解析器

暂不涉及。

 

1.2.    索引分词/搜索分词

索引分词很好理解,写时分词,形成索引。

每个text字段可以指定独有的analyzer;

如果没有指定,默认以index settings/default参数为准,实质上是standard analyzer.

 

搜索分词

对于搜索语句,也会进行分词,默认使用索引分词的解析器;

可以单独设置搜索分词的分词器,但一般不必。

 

1.2.1.   分词示例

以内置english解析器为例:

"The QUICK brown foxes jumped over the lazy dog!"

首先小写化,移除频次高的停用词,转换单词为原型词,最终的结果是序列:

[ quick, brown, fox, jump, over, lazi, dog ]

 

 

2.      案例

环境配置:

创建index test_i

创建field msg,使用默认配置,即标准分词器

创建field msg_english,使用english分词器;

 

# 测试环境创建

d = "msg":"Eating an apple a day keeps doctor away."

rv = es.index("test_i", d)

pr(rv)

d = "properties":

      "msg_english":

        "type":     "text",

        "analyzer": "english"

         

rv = es.indices.put_mapping(body=d, index=["test_i"]) # 正常情况返回true

 

# 查看数据结构

rv = es.indices.get_mapping(index_name)

 "test_i":

  "mappings":

   "properties":

    "msg":

     "type": "text",

     "fields":

      "keyword":

       "type": "keyword",

       "ignore_above": 256

               ,

    "msg_english":

     "type": "text",

     "analyzer": "english"

        

 

插入文档:

d = "msg_english":"Eating an apple a day keeps doctor away."

rv = es.index("test_i", d)

 

查询:查询分为两部分,第一种按字段msg匹配eat,是没有hits项的,查询msg_english字段

# search apis

def search_api_test():

    data =     "query" :         "match" : "msg_english":"eat"    ,   

    rv = es.search(index="test_i", body=data)

    pr(rv)

search_api_test()

 

结果

"took": 2,

 "timed_out": false,

 "_shards":

  "total": 1,

  "successful": 1,

  "skipped": 0,

  "failed": 0

 ,

 "hits":

  "total":

   "value": 1,

   "relation": "eq"

  ,

  "max_score": 0.2876821,

  "hits": [

  

    "_index": "test_i",

    "_type": "_doc",

    "_id": "XG7KFG0BpAsDZnvvGLz2",

    "_score": 0.2876821,

    "_source":

     "msg_english": "Eating an apple a day keeps doctor away."

         ]

 

补充:分词测试,直观测试标准分词器和english分词器的区别

测试代码:

    # 分词测试

d1 = "analyzer":"standard","text":"Eating an apple a day keeps doctor away."

d2 = "analyzer":"english","text":"Eating an apple a day keeps doctor away."

rv1 = es.indices.analyze(body=d1, format="text")

rv2 = es.indices.analyze(body=d2, format="text")

print([x["token"] for x in rv1["tokens"]]) # d1 分词结果

print([x["token"] for x in rv2["tokens"]]) # d2 分词结果

输出:

[‘eating‘, ‘an‘, ‘apple‘, ‘a‘, ‘day‘, ‘keeps‘, ‘doctor‘, ‘away‘]

[‘eat‘, ‘appl‘, ‘dai‘, ‘keep‘, ‘doctor‘, ‘awai‘]

 

以上是关于解析-analysis的主要内容,如果未能解决你的问题,请参考以下文章

第4.4节 Python解析与推导:列表解析字典解析集合解析

云解析DNS如何实现智能解析?

全民解析vip视频哪个好

mybatis源码配置文件解析之五:解析mappers标签(解析class属性)

什么是DNS域名解析,怎样解析?

DNS域名解析服务(正向解析反向解析)