分析字段中的所有大写标记

Question

我想以两种方式分析文本字段的值。使用标准分析和自定义分析，仅对文本中的所有大写标记编制索引。

例如，如果值为＆＃34;此白猫非常可爱。＆＃34;，应该为自定义分析编制索引的唯一标记是＆＃34; WHITE＆＃34;和＆＃34; CUTE＆＃34;。为此，我使用Pattern Capture Token Filter模式＆＃34;（\ b [A-Z] + \ b）+？＆＃34;。但这是索引所有令牌而不仅仅是大写令牌。

模式捕获令牌过滤器是否适用于此任务？如果是的话，我做错了什么？如果没有，我该如何完成？请帮忙。

Answer 1

您应该使用pattern_replace和char_filter：

PUT test
{
  "settings": {
    "analysis": {
      "char_filter": {
        "filter_lowercase": {
          "type": "pattern_replace",
          "pattern": "[A-Z][a-z]+|[a-z]+",
          "replacement": ""
        }
      },
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "standard",
          "char_filter": [
            "filter_lowercase"
          ]
        }
      }
    }
  }
}

GET test/_analyze
{"analyzer": "my_analyzer", 
  "text" : "This WHITE cat is very CUTE"
}