代码之家 › 专栏 › 技术社区 › vakarami

用于提取文件名的模式标记器

tokenize elasticsearch regex

-1

vakarami · 技术社区 · 7 年前

我想标记化“ a.b.c “进入 a, a.b, a.b.c, b.c, b, c

我已经试过这个公式,但他们没有给我想要的:

[(^\\.)]+
[(.+\\.)]+
[^\\p{L}\\d]+

1 回复 | 直到 7 年前

Harisudhan. A 7 年前

试试这个 ,

PUT my_sample
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "path_hierarchy",
          "delimiter": ".",
          "replacement": "."
        }
      }
    }
  }
}

POST my_sample/_analyze
{
  "analyzer": "my_analyzer",
  "text": "a.b.c"
}

它将产生以下条款:

[ a.b.c., a.b., b.c., a., b., c. ]

然后你可以通过你的程序简单地处理它

推荐文章

John Veridan · 在Python笔记本中仅选择列[无行]

6 年前

seanysull · 修改regex以包含连字符单词

7 年前

Ovaflow · 使用nltk中的标记集计算语音中的不同单词

7 年前

dustydojo · 在Java中,如何对标记中包含分隔符的字符串进行标记化?

7 年前

Laurent R · 根据空格和标点符号标记,标点符号保留

7 年前

mrfr · StreamTokenizer在遇到斜杠时停止

7 年前

Rose · Elasticsearch:术语搜索不适用于特殊字符

7 年前

Abdulrahman Bres Cristiana Chavez · 如何改进NLTK句子切分?

7 年前

vakarami · 用于提取文件名的模式标记器

7 年前

Konstantin · 用Ruby将单词分解成字母

7 年前