塞尔维亚语归一化过滤器 #
serbian_normalization 词元过滤器将塞尔维亚语西里尔字母转写为对应的拉丁字母形式，使两种书写系统的文本在搜索时可以互相匹配。
归一化规则 #
塞尔维亚语同时使用西里尔字母和拉丁字母，此过滤器将西里尔形式统一为拉丁形式：
| 西里尔字母 | 拉丁字母 | 西里尔字母 | 拉丁字母 |
|---|---|---|---|
| а | a | п | p |
| б | b | р | r |
| в | v | с | s |
| г | g | т | t |
| д | d | ћ | ć |
| ђ | đ | у | u |
| е | e | ф | f |
| ж | ž | х | h |
| з | z | ц | c |
| и | i | ч | č |
| ј | j | џ | dž |
| к | k | ш | š |
| л | l | љ | lj |
| м | m | њ | nj |
| н | n | ||
| о | o |
使用示例 #
PUT my-serbian-index
{
"settings": {
"analysis": {
"filter": {
"serbian_norm": {
"type": "serbian_normalization"
}
},
"analyzer": {
"my_serbian": {
"type": "custom",
"tokenizer": "standard",
"filter": ["lowercase", "serbian_norm"]
}
}
}
}
}
测试效果 #
GET /_analyze
{
"tokenizer": "standard",
"filter": ["serbian_normalization"],
"text": "Београд"
}
响应中 Београд（西里尔）→ Beograd（拉丁）。
参数 #
此过滤器不接受任何参数。
适用场景 #
- 索引中混合包含塞尔维亚语西里尔和拉丁文本
- 用户可能用任一书写系统搜索
- 无需区分同一单词的西里尔与拉丁拼写