词保留分词过滤器 #

词保留（keep_words）分词过滤器旨在在分析过程中仅保留特定的词。如果你有大量文本，但只对某些关键字或术语感兴趣，那么这个过滤器就会很有用。

参数说明 #

词保留分词过滤器可以使用以下参数进行配置。

参数	必需/可选	数据类型	描述
`keep_words`	若未配置 `keep_words_path` 则为必需	字符串列表	要保留的词的列表。
`keep_words_path`	若未配置 `keep_words` 则为必需	字符串	包含要保留的词列表的文件的路径。
`keep_words_case`	可选	布尔值	在比较时是否将所有词转换为小写。默认值为 `false`。

参考样例 #

以下示例请求创建了一个名为 my_index 的新索引，并配置了一个带有词保留过滤器的分词器：

PUT my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "custom_keep_word": {
          "tokenizer": "standard",
          "filter": [ "keep_words_filter" ]
        }
      },
      "filter": {
        "keep_words_filter": {
          "type": "keep",
          "keep_words": ["example", "world", "easysearch"],
          "keep_words_case": true
        }
      }
    }
  }
}

产生的词元 #

使用以下请求来检查使用该分词器生成的词元：

GET /my_index/_analyze
{
  "analyzer": "custom_keep_word",
  "text": "Hello, world! This is an Easysearch example."
}

返回内容包含产生的词元

{
  "tokens": [
    {
      "token": "world",
      "start_offset": 7,
      "end_offset": 12,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "Easysearch",
      "start_offset": 25,
      "end_offset": 35,
      "type": "<ALPHANUM>",
      "position": 5
    },
    {
      "token": "example",
      "start_offset": 36,
      "end_offset": 43,
      "type": "<ALPHANUM>",
      "position": 6
    }
  ]
}