Testen eines Elasticsearch benutzerdefinierten Analysator - Rohr-getrennte Schlüsselwörter

Question

Ich habe diesen Index mit pipe als benutzerdefinierten Analysator. Wenn ich versuche, es zu testen, gibt es jedes Zeichen zurück, und keine durch Pipe abgegrenzten Wörter.

Ich versuche, für einen Anwendungsfall zu konstruieren, wo meine Eingabezeile keywords aussieht:und EL wird Übereinstimmungen zurückgeben, nachdem es explodiert wurde.

{ 
    "keywords": { 
    "aliases": { 

    }, 
    "mappings": { 
     "cloud": { 
     "properties": { 
      "keywords": { 
      "type": "text", 
      "analyzer": "pipe" 
      } 
     } 
     } 
    }, 
    "settings": { 
     "index": { 
     "number_of_shards": "5", 
     "provided_name": "keywords", 
     "creation_date": "1513890909384", 
     "analysis": { 
      "analyzer": { 
      "pipe": { 
       "type": "custom", 
       "tokenizer": "pipe" 
      } 
      }, 
      "tokenizer": { 
      "pipe": { 
       "pattern": "|", 
       "type": "pattern" 
      } 
      } 
     }, 
     "number_of_replicas": "1", 
     "uuid": "DOLV_FBbSC2CBU4p7oT3yw", 
     "version": { 
      "created": "6000099" 
     } 
     } 
    } 
    } 
} 

Wenn ich versuche es diese guide folgenden zu testen.

curl -XPOST 'http://localhost:9200/keywords/_analyze' -d '{ 
"analyzer": "pipe", 
"text": "pipe|pipe2" 
}' 

Ich bekomme Char-by-Char Ergebnisse zurück.

{ 
    "tokens": [ 
    { 
     "token": "p", 
     "start_offset": 0, 
     "end_offset": 1, 
     "type": "word", 
     "position": 0 
    }, 
    { 
     "token": "i", 
     "start_offset": 1, 
     "end_offset": 2, 
     "type": "word", 
     "position": 1 
    }, 
    { 
     "token": "p", 
     "start_offset": 2, 
     "end_offset": 3, 
     "type": "word", 
     "position": 2 
    }, 
    { 
     "token": "e", 
     "start_offset": 3, 
     "end_offset": 4, 
     "type": "word", 
     "position": 3 
    }, 

Answer 1

Gute Arbeit, du bist fast da. Da das Rohr | Charakter ein reserviertes Zeichen in regulären Ausdrücken ist, müssen Sie es so entkommen:

 "tokenizer": { 
     "pipe": { 
      "pattern": "\\|", <--- change this 
      "type": "pattern" 
     } 
     } 

Und dann Analysator und produzieren funktioniert dies:

{ 
    "tokens": [ 
    { 
     "token": "pipe", 
     "start_offset": 0, 
     "end_offset": 4, 
     "type": "word", 
     "position": 0 
    }, 
    { 
     "token": "pipe2", 
     "start_offset": 5, 
     "end_offset": 10, 
     "type": "word", 
     "position": 1 
    } 
    ] 
}