/ /

/ /

Referencia del índice

Analizadores

Personalizado

Filtros de Token

Un filtro de tokens realiza operaciones como las siguientes:

Stemming, que reduce palabras relacionadas, como "talking", "talked" y "talks", a su palabra raíz "talk".
La restricción, la eliminación de información sensible de documentos públicos.

Los filtros de tokens requieren un campo de tipo, y algunos también aceptan opciones adicionales.

Sintaxis

"tokenFilters": [
  {
    "type": "<token-filter-type>",
    "<additional-option>": <value>
  }
]

Tipos de filtros de tokens

MongoDB Search admite los siguientes tipos de filtro de token:

Las siguientes definiciones de índice y consultas de ejemplo utilizan el colección de muestras llamada minutes. Para seguir estos ejemplos, carga la colección minutes en tu clúster y navega a la Create a Search Index page en la interfaz de usuario de Atlas siguiendo los pasos del tutorial Crear un índice de búsqueda de MongoDB. A continuación, selecciona la colección minutes como tu fuente de datos y sigue el procedimiento de ejemplo para crear un índice desde la Interfaz de Usuario de Atlas o utilizando mongosh.

➤ Utilice el menú desplegable Seleccione su lenguaje para establecer el idioma del ejemplo en esta página.

asciiFolding

El filtro de tokens asciiFolding convierte caracteres unicode alfabéticos, numéricos y simbólicos que no están en el Bloque Unicode Latino Básico a su ASCII equivalentes, si están disponibles.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `asciiFolding`.
`originalTokens`	string	no	String que especifica si se incluyen o se omiten los tokens originales en la salida del filtro de tokens. El valor puede ser uno de los siguientes: `include` - incluya los tokens originales junto con los tokens convertidos en la salida del filtro de tokens. Recomendamos este valor si desea soporte queries tanto sobre los tokens originales como sobre las formas convertidas. `omit` - omite los tokens originales e incluye solo los tokens convertidos en la salida del filtro de tokens. Usa este valor si quieres query solo sobre las formas convertidas de los tokens originales. Por defecto: `omit`

Ejemplo

La siguiente definición de índice indexa el campo page_updated_by.first_name en la colección minutes con un analizador personalizado llamado asciiConverter. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador estándar para crear tokens basados en reglas de corte de palabra.
Aplica el filtro de tokens asciiFolding para convertir los valores de campo a su equivalente en ASCII.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba asciiConverter en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona asciiFolding del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en la página_actualizado_por.first_name .
Selecciona page_updated_by.first_name del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona asciiConverter de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "page_updated_by": {
        "type": "document",
        "dynamic": false,
        "fields": {
          "first_name": {
            "type": "string",
            "analyzer": "asciiConverter"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "asciiConverter",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "asciiFolding"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "dynamic": false,
6       "fields": {
7         "page_updated_by": {
8           "type": "document",
9           "dynamic": false,
10           "fields": {
11             "first_name": {
12               "type": "string",
13               "analyzer": "asciiConverter"
14             }
15           }
16         }
17       }
18     },
19     "analyzers": [
20       {
21         "name": "asciiConverter",
22         "tokenizer": {
23           "type": "standard"
24         },
25         "tokenFilters": [
26           {
27             "type": "asciiFolding"
28           }
29         ]
30       }
31     ]
32   }
33 )

La siguiente query busca en el campo first_name de la colección de minutos nombres que utilicen su equivalente ASCII.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "Sian",
      "path": "page_updated_by.first_name"
    }
  }
}

SCORE: 0.5472603440284729 _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Cette page traite des réunions de département"

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "Sian",
        "path": "page_updated_by.first_name"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "page_updated_by.last_name": 1,
      "page_updated_by.first_name": 1
    }
  }
])

[
 {
    _id: 1,
    page_updated_by: { last_name: 'AUERBACH', first_name: 'Siân'}
 }
]

MongoDB Search devuelve el documento con _id: 1 en los resultados porque MongoDB Search creó los siguientes tokens (términos que se pueden buscar) para el campo page_updated_by.first_name en el documento, que luego utilizó para hacer coincidir el término de query Sian.

Nombre de campo	Tokens de salida
`page_updated_by.first_name`	`Sian`

daitchMokotoffSoundex

El filtro de token daitchMokotoffSoundex crea tokens para palabras que suenan igual según el algoritmo fonético Daitch-Mokotoff Soundex. Este filtro puede generar múltiples codificaciones para cada dato de entrada, donde cada token codificado es un número de 6 dígitos.

Nota

No utilices el filtro de tokens daitchMokotoffSoundex en:

Sinónimo o definiciones de asignación de tipo autocompletar.
Operadores donde fuzzy está habilitado. MongoDB Search admite la opción fuzzy para los siguientes operadores:
- Autocompletar
- text

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `daitchMokotoffSoundex`.
`originalTokens`	string	no	String que especifica si se incluyen o se omiten los tokens originales en la salida del filtro de tokens. El valor puede ser uno de los siguientes: `include` - incluye los tokens originales con los tokens codificados en la salida del filtro de tokens. Recomendamos este valor si desea consultas tanto sobre los tokens originales como sobre las formas codificadas. `omit` - omitir los tokens originales e incluir solo los tokens codificados en la salida del filtro de tokens. Utiliza este valor si solo quieres query las formas codificadas de los tokens originales. Por defecto: `include`

Ejemplo

La siguiente definición de índice indexa el campo page_updated_by.last_name en la colección minutes con un analizador personalizado llamado dmsAnalyzer. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador estándar para crear tokens basados en reglas de corte de palabra.
Aplica el filtro de token daitchMokotoffSoundex para codificar los tokens de palabras que suenan igual.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba dmsAnalyzer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona daitchMokotoffSoundex del menú desplegable y selecciona el valor mostrado en la siguiente tabla para el campo originalTokens:
Campo
Valor
originalTokens
include
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el page_updated_by.last_name campo.
Seleccionar page_updated_by.last_name del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona dmsAnalyzer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "page_updated_by": {
        "type": "document",
        "dynamic": false,
        "fields": {
          "last_name": {
            "type": "string",
            "analyzer": "dmsAnalyzer"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "dmsAnalyzer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "daitchMokotoffSoundex",
          "originalTokens": "include"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "dynamic": false,
6       "fields": {
7         "page_updated_by": {
8           "type": "document",
9           "dynamic": false,
10           "fields": {
11             "last_name": {
12               "type": "string",
13               "analyzer": "dmsAnalyzer"
14             }
15           }
16         }
17       }
18     },
19     "analyzers": [
20       {
21         "name": "dmsAnalyzer",
22         "tokenizer": {
23           "type": "standard"
24         },
25         "tokenFilters": [
26           {
27             "type": "daitchMokotoffSoundex",
28             "originalTokens": "include"
29           }
30         ]
31       }
32     ]
33   }
34 )

La siguiente query busca términos que suenen similares a AUERBACH en el campo page_updated_by.last_name de la colección de minutas.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "AUERBACH",
      "path": "page_updated_by.last_name"
    }
  }
}

SCORE: 0.568153440952301  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Den här sidan behandlar avdelningsmöten"
    fr_CA: "Cette page traite des réunions de département"
SCORE: 0.521163284778595  _id:  "2"
  message: "do not forget to SIGN-IN. See ① for details."
  page_updated_by: Object
    last_name: "OHRBACH"
    first_name: "Noël"
    email: "ohrbach@example.com"
    phone: "(123) 456 0987"
  text: Object
    en_US: "The head of the sales department spoke first."
    fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
    sv_FI: "Först talade chefen för försäljningsavdelningen"

db.minutes.aggregate([
  {
    "$search": {
     "index": "default",
     "text": {
        "query": "AUERBACH",
        "path": "page_updated_by.last_name"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "page_updated_by.last_name": 1
    }
  }
])

[
 { "_id" : 1, "page_updated_by" : { "last_name" : "AUERBACH" } }
 { "_id" : 2, "page_updated_by" : { "last_name" : "OHRBACH" } }
]

MongoDB Search devuelve documentos con _id: 1 y _id: 2 porque los términos en ambos documentos son fonéticamente similares y están codificados usando los mismos seis dígitos (097400 y 097500). La siguiente tabla muestra los tokens (términos buscables y codificaciones de seis dígitos) que MongoDB Search crea para los documentos en los resultados:

ID de documento	Tokens de salida
`"_id": 1`	`AUERBACH`, `097400`, `097500`
`"_id": 2`	`OHRBACH`, `097400`, `097500`

edgeGram

El filtro de token edgeGram tokeniza la entrada desde el lado izquierdo, o «borde», de una entrada de texto, en n-gramas de tamaños configurados.

Nota

Normalmente, los filtros de tokens funcionan de manera similar a una pipeline, donde cada token de entrada genera como máximo un token de salida que luego se introduce en el siguiente token. En cambio, el edgeGram filtro de tokens es un filtro generador de grafos que produce múltiples tokens de salida a partir de un único token de entrada.

Debido a que las definiciones de mapeo de tipos de campo de sinónimos y autocompletado solo funcionan cuando se utilizan con filtros de token que no producen gráficos, no se puede usar el filtro de token edgeGram en definiciones de mapeo de tipos de campo de sinónimos ni autocompletado.

Para realizar consultas con regex (MongoDB Search Operator) o wildcard operador, no se puede usar el filtro de tokens edgeGram como el searchAnalyzer, ya que produce más de un token de salida por token de entrada. Especifique un analizador diferente como el searchAnalyzer en su definición de índice.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `edgeGram`.
`minGram`	entero	Sí	Número que especifica la longitud mínima de n-gramas generados. El valor debe ser menor o igual a `maxGram`.
`maxGram`	entero	Sí	El número que indica la longitud máxima de los n-gramas generados. El valor debe ser mayor o igual a `minGram`.
`termNotInBounds`	string	no	String que especifica si se deben indexar los tokens más cortos que `minGram` o más largos que `maxGram`. Los valores aceptados son: `include` `omit` Si se especifica `include`, los tokens más cortos que `minGram` o más largos que `maxGram` se indexan tal como están. Si se especifica `omit`, estos tokens no están indexados. Por defecto: `omit`

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado titleAutocomplete. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador estándar para crear tokens basados en reglas de corte de palabra.
Aplicar los siguientes filtros a los tokens:
- icuFolding filtro de token para aplicar conversiones de caracteres a los tokens.
- edgeGram filtro de tokens para crear tokens de 4 a 7 caracteres de largo desde el lado izquierdo.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba titleAutocomplete en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona icuFolding del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Seleccione edgeGram del menú desplegable y escriba el valor que se muestra en la siguiente tabla para los campos:
Campo
Valor
minGram
4
maxGram
7
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona titleAutocomplete de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "titleAutocomplete",
  "mappings": {
    "dynamic": false,
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "titleAutocomplete"
      }
    }
  },
  "analyzers": [
    {
      "name": "titleAutocomplete",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "icuFolding"
        },
        {
          "type": "edgeGram",
          "minGram": 4,
          "maxGram": 7
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "analyzer": "titleAutocomplete",
5     "mappings": {
6       "dynamic": false,
7       "fields": {
8         "title": {
9           "type": "string",
10           "analyzer": "titleAutocomplete"
11         }
12       }
13     },
14     "analyzers": [
15       {
16         "name": "titleAutocomplete",
17         "charFilters": [],
18         "tokenizer": {
19           "type": "standard"
20         },
21         "tokenFilters": [
22           {
23             "type": "icuFolding"
24           },
25           {
26             "type": "edgeGram",
27             "minGram": 4,
28             "maxGram": 7
29           }
30         ]
31       }
32     ]
33   }
34 )

La siguiente query busca en el campo title de la colección de minutos los términos que comienzan con mee, seguidos de cualquier cantidad de otros caracteres.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "wildcard": {
      "query": "mee*",
      "path": "title",
      "allowAnalyzedField": true
    }
  }
}

SCORE: 1  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Den här sidan behandlar avdelningsmöten"
    fr_CA: "Cette page traite des réunions de département"
SCORE: 1  _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
    last_name: "LEWINSKY"
    first_name: "Brièle"
    email: "lewinsky@example.com"
    phone: "(123).456.9870"
  text: Object
    en_US: "<body>We'll head out to the conference room by noon.</body>"

db.minutes.aggregate([
  {
    "$search": {
      "wildcard": {
        "query": "mee*",
        "path": "title",
        "allowAnalyzedField": true
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  { _id: 1, title: 'The team's weekly meeting' },
  { _id: 3, title: 'The regular board meeting' }
]

MongoDB Search devuelve documentos con _id: 1 y _id: 3 porque los documentos contienen el término meeting, que coincide con los criterios de la query. Específicamente, MongoDB Search crea los siguientes tokens de 4 a 7 caracteres (términos buscables) para los documentos en los resultados, que luego empareja con el término de query mee*:

ID de documento	Tokens de salida
`"_id": 1`	`team`, `team'`, `team's`, `week`, `weekl`, `weekly`, `meet`, `meeti`, `meetin`, `meeting`
`"_id": 3`	`regu`, `regul`, `regula`, `regular`, `boar`, `board`, `meet`, `meeti`, `meetin`, `meeting`

englishPossessive

El filtro de token englishPossessive remueve los posesivos ('s final) de las palabras.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `englishPossessive`.

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado englishPossessiveStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear tokens (términos de búsqueda) basados en reglas de separación de palabras.
Aplica el filtro de tokens englishPossessive para remover los posesivos (terminaciones en 's) de los tokens.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba englishPossessiveStemmer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona englishPossessive del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona englishPossessiveStemmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "englishPossessiveStemmer"
      }
    }
  },
  "analyzers": [
    {
      "name": "englishPossessiveStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "englishPossessive"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "title": {
7           "type": "string",
8           "analyzer": "englishPossessiveStemmer"
9         }
10       }
11     },
12     "analyzers": [
13       {
14         "name": "englishPossessiveStemmer",
15         "charFilters": [],
16         "tokenizer": {
17           "type": "standard"
18         },
19         "tokenFilters": [
20           {
21             "type": "englishPossessive"
22           }
23         ]
24       }
25     ]
26   }
27 )

La siguiente query busca el campo title en la colección de actas para el término team.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "team",
      "path": "title"
    }
  }
}

SCORE: 0.34314215183258057  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
  text: Object
SCORE: 0.29123833775520325  _id:  "2"
  message: "do not forget to SIGN-IN. See ① for details."
  page_updated_by: Object
  text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "team",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  {
    _id: 1,
    title: 'The team's weekly meeting'
  },
  {
    _id: 2,
    title: 'The check-in with sales team'
  }
]

MongoDB Search devuelve resultados que contienen el término team en el campo title. MongoDB Search devuelve el documento con _id: 1 porque MongoDB Search transforma team's en el campo title en el token team durante el análisis. En concreto, MongoDB Search crea los siguientes tokens (términos buscables) para los documentos de los resultados, que luego hace coincidir con el término de la query:

ID de documento	Tokens de salida
`"_id": 1`	`The`, `team`, `weekly`, `meeting`
`"_id": 2`	`The`, `check`, `in`, `with`, `sales`, `team`

aplanar grafo

El filtro de tokens flattenGraph transforma un grafo de filtro de tokens en una forma plana adecuada para la indexación. Si utilizas el filtro de token wordDelimiterGraph, utiliza este filtro después del filtro de token wordDelimiterGraph.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `flattenGraph`.

Ejemplo

La siguiente definición de índice indexa el campo message en la colección de minutos utilizando un analizador personalizado llamado wordDelimiterGraphFlatten. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador de espacios para crear tokens basados en la ocurrencia de espacios entre palabras.
Aplica los siguientes filtros a los tokens:
- El filtro de tokens wordDelimiterGraph para dividir tokens según subpalabras, genera tokens para las palabras originales y también protege la palabra SIGN_IN de la delimitación.
- flattenGraph filtro de tokens para aplanar los tokens a una forma plana.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba wordDelimiterGraphFlatten en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Seleccione wordDelimiterGraph del menú desplegable y configure los siguientes campos para el filtro de tokens.
1. Seleccione los siguientes campos:
  Campo
  Valor
  delimiterOptions.generateWordParts
  true
  delimiterOptions.preserveOriginal
  true
2. Escriba SIGN_IN en el campo protectedWords.words.
3. Seleccione protectedWords.ignoreCase.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona flattenGraph del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en el campo mensaje.
Selecciona mensaje del desplegable Field Name y String del desplegable Data Type .
En la sección de propiedades para el tipo de dato, selecciona wordDelimiterGraphFlatten de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "message": {
        "type": "string",
        "analyzer": "wordDelimiterGraphFlatten"
      }
    }
  },
  "analyzers": [
    {
      "name": "wordDelimiterGraphFlatten",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "wordDelimiterGraph",
          "delimiterOptions" : {
            "generateWordParts" : true,
            "preserveOriginal" : true
          },
          "protectedWords": {
            "words": [
              "SIGN_IN"
            ],
            "ignoreCase": false
          }
        },
        {
          "type": "flattenGraph"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "message": {
7           "type": "string",
8           "analyzer": "wordDelimiterGraphFlatten"
9         }
10       }
11     },
12     "analyzers": [
13       {
14         "name": "wordDelimiterGraphFlatten",
15         "charFilters": [],
16         "tokenizer": {
17           "type": "whitespace"
18         },
19         "tokenFilters": [
20           {
21             "type": "wordDelimiterGraph",
22             "delimiterOptions": {
23               "generateWordParts": true,
24               "preserveOriginal": true
25             },
26             "protectedWords": {
27               "words": [
28                 "SIGN_IN"
29               ],
30               "ignoreCase": false
31             }
32           },
33           {
34             "type": "flattenGraph"
35           }
36         ]
37       }
38     ]
39   }
40 )

La siguiente query busca el campo message en la colección de actas para el término sign.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "sign",
      "path": "message"
    }
  }
}

SCORE: 0.6763891577720642 _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
  text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "sign",
        "path": "message"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "message": 1
    }
  }
])

[
  {
    _id: 3,
    message: 'try to sign-in'
  }
]

MongoDB Search devuelve el documento con _id: 3 en los resultados para el término de query sign, aunque el documento contiene el término con guion sign-in en el campo title. El filtro de tokens wordDelimiterGraph crea un grafo de filtros de tokens y el filtro de tokens flattenGraph transforma el grafo de filtros de tokens en una forma plana adecuada para la indexación. Específicamente, MongoDB Search crea los siguientes tokens (términos buscables) para el documento en los resultados, los cuales luego compara con el término de query sign:

ID de documento	Tokens de salida
`_id: 3`	`try`, `to`, `sign-in`, `sign`, `in`

icuFolding

El filtro de tokens icuFolding aplica plegado de caracteres a partir de Informe Técnico Unicode n.º30, como la eliminación de acentos, el plegado de mayúsculas y minúsculas, el plegado de duplicados canónicos y muchos otros detalles en el informe.

Atributos

Tiene el siguiente atributo:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `icuFolding`.

Ejemplo

La siguiente definición de índice indexa el campo text.sv_FI en la colección minutes con un analizador personalizado llamado diacriticFolder. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador de palabras clave para tokenizar todos los términos en el campo de la string como un solo término.
Utiliza el filtro de tokens icuFolding para aplicar normalizaciones como la eliminación de acentos, normalización de mayúsculas, normalización de duplicados canónicos, entre otros.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba diacriticFolder en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona keyword del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona icuFolding del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en el text.sv_FI campo anidado.
Selecciona text.sv_FI anidado desde el menú desplegable Field Name y String desde el menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona diacriticFolder de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "diacriticFolder",
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "sv_FI": {
            "analyzer": "diacriticFolder",
            "type": "string"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "diacriticFolder",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "icuFolding"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "analyzer": "diacriticFolder",
5     "mappings": {
6       "fields": {
7         "text": {
8           "type": "document",
9           "fields": {
10             "sv_FI": {
11               "analyzer": "diacriticFolder",
12               "type": "string"
13             }
14           }
15         }
16       }
17     },
18     "analyzers": [
19       {
20         "name": "diacriticFolder",
21         "charFilters": [],
22         "tokenizer": {
23           "type": "keyword"
24         },
25         "tokenFilters": [
26           {
27             "type": "icuFolding"
28           }
29         ]
30       }
31     ]
32   }
33 )

La siguiente query utiliza el operador comodín para buscar en el campo text.sv_FI de la colección minutos todos los términos que contengan el término avdelning, precedidos y seguidos por cualquier cantidad de otros caracteres.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "wildcard": {
      "query": "*avdelning*",
      "path": "text.sv_FI",
      "allowAnalyzedField": true
    }
  }
}

SCORE: 1  _id:  "1"
 message: "try to siGn-In"
 page_updated_by: Object
 text: Object
   en_US: "<head> This page deals with department meetings.</head>"
   sv_FI: "Den här sidan behandlar avdelningsmöten"
   fr_CA: "Cette page traite des réunions de département"
SCORE: 1  _id:  "2"
 message: "do not forget to SIGN-IN. See ① for details."
 page_updated_by: Object
 text: Object
   en_US: "The head of the sales department spoke first."
   fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
   sv_FI: "Först talade chefen för försäljningsavdelningen"

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "wildcard": {
        "query": "*avdelning*",
        "path": "text.sv_FI",
        "allowAnalyzedField": true
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.sv_FI": 1
    }
  }
])

[
  {
    _id: 1,
    text: { sv_FI: 'Den här sidan behandlar avdelningsmöten' }
  },
  {
    _id: 2,
    text: { sv_FI: 'Först talade chefen för försäljningsavdelningen' }
  }
]

MongoDB Search devuelve el documento con _id: 1 y _id: 2 en los resultados porque los documentos contienen el término de query avdelning seguido de otros caracteres en el documento con _id: 1 y precedido y seguido por otros caracteres en el documento con _id: 2. Específicamente, MongoDB Search crea los siguientes tokens para los documentos en los resultados, que luego compara con el término de query *avdelning*.

ID de documento	Tokens de salida
`_id: 1`	`den har sidan behandlar avdelningsmoten`
`_id: 2`	`forst talade chefen for forsaljningsavdelningen`

icuNormalizer

El filtro de tokens icuNormalizer normaliza los tokens utilizando un modo de normalización Unicode estándar.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `icuNormalizer`.
`normalizationForm`	string	no	Forma de normalización a aplicar. Los valores aceptados son: `nfd` (Descomposición canónica) `nfc` (Descomposición canónica, seguida de Composición canónica) `nfkd` (Descomposición de compatibilidad) `nfkc` (Descomposición de compatibilidad, seguida de composición canónica) Para obtener más información sobre las formas de normalización compatibles, consulte Sección 1.2: Formas de normalización, UTR#15. Por defecto: `nfc`

Ejemplo

La siguiente definición de índice indexa el campo message en la colección minutes con un analizador personalizado llamado textNormalizer. El analizador personalizado especifica lo siguiente:

Utilice el tokenizador de espacios en blanco para crear tokens en función de la aparición de espacios en blanco entre palabras.
Utilice el filtro de tokens icuNormalizer para normalizar los tokens mediante la Descomposición de Compatibilidad, seguida de la Composición Canónica.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba textNormalizer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona icuNormalizer del menú desplegable y selecciona nfkc del menú desplegable normalizationForm.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en el campo mensaje.
Selecciona mensaje del desplegable Field Name y String del desplegable Data Type .
En la sección de propiedades para el tipo de dato, selecciona textNormalizer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "textNormalizer",
  "mappings": {
    "fields": {
      "message": {
        "type": "string",
        "analyzer": "textNormalizer"
      }
    }
  },
  "analyzers": [
    {
      "name": "textNormalizer",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "icuNormalizer",
          "normalizationForm": "nfkc"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "analyzer": "textNormalizer",
5     "mappings": {
6       "fields": {
7         "message": {
8           "type": "string",
9           "analyzer": "textNormalizer"
10         }
11       }
12     },
13     "analyzers": [
14       {
15         "name": "textNormalizer",
16         "charFilters": [],
17         "tokenizer": {
18           "type": "whitespace"
19         },
20         "tokenFilters": [
21           {
22             "type": "icuNormalizer",
23             "normalizationForm": "nfkc"
24           }
25         ]
26       }
27     ]
28   }
29 )

La siguiente query busca el campo message en la colección de actas para el término 1.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:
{ "$search": { "index": "default", "text": { "query": "1", "path": "message" } } }
SCORE: 0.4342196583747864 _id: "2" message: "do not forget to SIGN-IN. See ① for details." page_updated_by: Object text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "1",
        "path": "message"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "message": 1
    }
  }
])

[ { _id: 2, message: 'do not forget to SIGN-IN. See ① for details.' } ]

MongoDB Search devuelve el documento con _id: 2 en los resultados para el término de query 1 incluso aunque el documento contiene el número rodeado ① en el campo message porque el filtro de token icuNormalizer crea el token 1 para este carácter utilizando la forma de normalización nfkc. La siguiente tabla muestra los tokens (términos buscables) que MongoDB Search crea para el documento en los resultados utilizando la forma de normalización nfkc y, por comparación, los tokens que crea para las otras formas de normalización.

Formas de normalización	Tokens de salida	Coincidencias `1`
`nfd`	`do`, `not`, `forget`, `to`, `SIGN-IN.`, `See`, `①`, `for`, `details.`	X
`nfc`	`do`, `not`, `forget`, `to`, `SIGN-IN.`, `See`, `①`, `for`, `details.`	X
`nfkd`	`do`, `not`, `forget`, `to`, `SIGN-IN.`, `See`, `1`, `for`, `details.`	√
`nfkc`	`do`, `not`, `forget`, `to`, `SIGN-IN.`, `See`, `1`, `for`, `details.`	√

keywordRepeat

El filtro de tokens keywordRepeat genera cada token entrante dos veces, como palabra clave y como palabra clave negativa. Puedes convertir el token no-palabra clave utilizando filtros de token posteriores y conservar el token clave. Esto puede usarse para impulsar coincidencias exactas y recuperar coincidencias con raíz. Esto se utiliza normalmente en conjunto con un filtro de stemming, como porterStemming, seguido de removeDuplicates.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `keywordRepeat`.

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado keywordStemRemover. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador de espacios para crear tokens basados en la ocurrencia de espacios entre palabras.
Aplicar los siguientes filtros a los tokens:
- keywordRepeat filtro de tokens para crear tokens dos veces: una como token de palabra clave y otra como token que no es palabra clave.
- porterStemming filtro de tokens para remover los sufijos morfológicos y flexivos comunes de los tokens que no son palabras clave.
- removeDuplicates para filtrar tokens en la misma posición para el mismo término que el token anterior en el flujo.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba keywordStemRemover en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Seleccione keywordRepeat en la lista desplegable y haga clic en Add token filter.
Haga clic en Add token filter para agregar los siguientes filtros de token a su analizador personalizado:
- removeDuplicates
- porterStemming
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona keywordStemRemover de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "title": {
        "analyzer": "keywordStemRemover",
        "type": "string"
      }
    }
  },
  "analyzers": [
    {
      "name": "keywordStemRemover",
      "tokenFilters": [
        {
          "type": "keywordRepeat"
        },
        {
          "type": "porterStemming"
        },
        {
          "type": "removeDuplicates"
        }
      ],
      "tokenizer": {
        "type": "whitespace"
      }
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "dynamic": false,
6       "fields": {
7         "title": {
8           "analyzer": "keywordStemRemover",
9           "type": "string"
10         }
11       }
12     },
13     "analyzers": [
14       {
15         "name": "keywordStemRemover",
16         "tokenFilters": [
17           {
18             "type": "keywordRepeat"
19           },
20           {
21             "type": "porterStemming"
22           },
23           {
24             "type": "removeDuplicates"
25           }
26         ],
27         "tokenizer": {
28             "type": "whitespace"
29         }
30       }
31     ]
32   }
33 )

La siguiente query busca en el campo title de la colección minutes el término mee* usando el wildcard operador.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "wildcard": {
       "query": "mee*",
       "path": "title",
       "allowAnalyzedField": true
    }
  }
}

SCORE: 1   _id:  "1"
   message: "try to siGn-In"
   page_updated_by: Object
   text: Object
   title: "The team's weekly meeting"
SCORE: 1    _id:  "3"
   message: "try to sign-in"
   page_updated_by: Object
   text: Object
   title: "The regular board meeting"

db.minutes.aggregate([
 {
    "$search": {
      "index": "default",
      "wildcard": {
        "query": "mee*",
        "path": "title",
        "allowAnalyzedField": true
       }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  { _id: 1, title: "The team's weekly meeting" },
  { _id: 3, title: 'The regular board meeting' }
]

MongoDB Search devuelve los documentos que contienen el término meeting en el campo de título. El filtro de tokens keywordRepeat genera los siguientes tokens para los documentos en los resultados:

Título	Keyword Tokens	Non-Keyword tokens
`The team's weekly meeting`	`The`, `team's`, `weekly`, `meeting`	`The`, `team's`, `weekly`, `meeting`
`The regular board meeting`	`The`, `regular`, `board`, `meeting`	`The`, `regular`, `board`, `meeting`

El filtro de tokens porterStemming reduce los tokens que no son palabras clave a sus formas raíz base:

Título	Stemmed Non-Keyword Tokens
`The team's weekly meeting`	`the`, `team`, `week`, `meet`
`The regular board meeting`	`the`, `regular`, `board`, `meet`

El filtro de token removeDuplicates remueve cualquier token duplicado en el flujo generado por un filtro de token keywordRepeat predecesor:

Título	Tokens
`The team's weekly meeting`	`the`, `team's`, `team`, `weekly`, `week`, `meeting`, `meet`
`The regular board meeting`	`the`, `regular`, `board`, `meeting`, `meet`

kStemming

El filtro de tokens kStemming combina la derivación algorítmica con un diccionario integrado para el lenguaje inglés para derivar palabras. Espera texto en minúsculas y no modifica texto en mayúsculas.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `kStemming`.

Ejemplo

La siguiente definición de índice indexa el campo text.en_US en la colección minutes con un analizador personalizado llamado kStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear fichas basadas en reglas de separación de palabras.
Aplicar los siguientes filtros a los tokens:
- Filtro de tokens minúsculas para convertir los tokens a minúsculas.
- kStemming filtro de tokens para derivar palabras usando una combinación de derivación algorítmica y un diccionario incorporado para el lenguaje inglés.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba kStemmer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona kStemming del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en text.en_US. campo anidado.
Seleccione text.en_US anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona kStemmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "kStemmer",
  "mappings": {
    "dynamic": true
  },
  "analyzers": [
    {
      "name": "kStemmer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "kStemming"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "analyzer": "kStemmer",
5     "mappings": {
6       "dynamic": true
7     },
8     "analyzers": [
9       {
10         "name": "kStemmer",
11         "tokenizer": {
12           "type": "standard"
13         },
14         "tokenFilters": [
15           {
16             "type": "lowercase"
17           },
18           {
19             "type": "kStemming"
20           }
21         ]
22       }
23     ]
24   }
25 )

La siguiente query busca el campo text.en_US en la colección de actas para el término Meeting.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "Meeting",
      "path": "text.en_US"
    }
  }
}

SCORE: 0.5960260629653931 _id:  "1"
 message: "try to siGn-In"
 page_updated_by: Object
 text: Object
   en_US: "<head> This page deals with department meetings.</head>"
   sv_FI: "Den här sidan behandlar avdelningsmöten"
   fr_CA: "Cette page traite des réunions de département"

db.minutes.aggregate([
 {
    "$search": {
      "index": "default",
      "text": {
        "query": "Meeting",
        "path": "text.en_US"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.en_US": 1
    }
  }
])

[
  {
    _id: 1,
    text: {
      en_US: '<head> This page deals with department meetings. </head>'
    }
  }
]

MongoDB Search devuelve el documento con _id: 1, que contiene el término plural meetings en minúsculas. MongoDB Search hace coincidir el término de query con el documento porque el filtro de tokens minúsculas normaliza el texto del token a minúsculas y el filtro de tokens kStemming permite que MongoDB Search relacione el plural meetings en el campo text.en_US del documento con el término de query en singular. MongoDB Search también analiza el término de query con el analizador de índice (o, si se especifica, utilizando el searchAnalyzer). Específicamente, MongoDB Search crea los siguientes tokens (términos buscables) para el documento en los resultados, que luego utiliza para comparar con el término de la query:

head, this, page, deal, with, department, meeting, head

longitud

El filtro de token length remueve los tokens que son demasiado cortos o demasiado largos.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `length`.
`min`	entero	no	Número que especifica la longitud mínima de un token. El valor debe ser menor o igual que `max`. Por defecto: `0`
`max`	entero	no	Número que especifica la longitud máxima de un token. El valor debe ser mayor que o igual a `min`. Por defecto: `255`

Ejemplo

La siguiente definición de índice indexa el campo text.sv_FI en la colección minutes con un analizador personalizado llamado longOnly. El analizador personalizado especifica lo siguiente:

Utiliza el tokenizador estándar para crear tokens en función de las reglas de separación de palabras.
Aplicar los siguientes filtros a los tokens:
- icuFolding filtro de tokens para aplicar plegados de caracteres.
- length filtro de token para indexar sólo tokens que tengan al menos 20 unidades de código UTF-16 de longitud después de tokenizar.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba longOnly en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona icuFolding del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona length del menú desplegable y configura el siguiente campo para el filtro de token:
Campo
Valor
min
20
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el campo anidado text.sv.FI.
Seleccione text.sv.FI anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona longOnly de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "dynamic": true,
        "fields": {
          "sv_FI": {
            "type": "string",
            "analyzer": "longOnly"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "longOnly",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "icuFolding"
        },
        {
          "type": "length",
          "min": 20
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "text": {
7           "type": "document",
8           "dynamic": true,
9           "fields": {
10             "sv_FI": {
11               "type": "string",
12               "analyzer": "longOnly"
13             }
14           }
15         }
16       }
17     },
18     "analyzers": [
19       {
20         "name": "longOnly",
21         "charFilters": [],
22         "tokenizer": {
23           "type": "standard"
24         },
25         "tokenFilters": [
26           {
27             "type": "icuFolding"
28           },
29           {
30             "type": "length",
31             "min": 20
32           }
33         ]
34       }
35     ]
36   }
37 )

La siguiente query busca el campo text.sv_FI en la colección de actas para el término forsaljningsavdelningen.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "forsaljningsavdelningen",
      "path": "text.sv_FI"
    }
  }
}

SCORE: 0.13076457381248474  _id:  "2"
 message: "do not forget to SIGN-IN. See ① for details."
 page_updated_by: Object
 text: Object
   en_US: "The head of the sales department spoke first."
   fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
   sv_FI: "Först talade chefen för försäljningsavdelningen"

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "forsaljningsavdelningen",
        "path": "text.sv_FI"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.sv_FI": 1
    }
  }
])

[
  {
    _id: 2,
    text: {
      sv_FI: 'Först talade chefen för försäljningsavdelningen'
    }
  }
]

MongoDB Search retorna el documento con _id: 2, que contiene el término försäljningsavdelningen. MongoDB Search empareja el documento con el término de consulta porque el término tiene más de 20 caracteres. Además, aunque el término de query forsaljningsavdelningen no incluya los caracteres diacríticos, MongoDB Search coincide el término de query con el documento sumando los diacríticos del término original en el documento. Específicamente, MongoDB Search crea los siguientes tokens (términos buscables) para el documento con _id: 2.

forsaljningsavdelningen

MongoDB Search no devolverá resultados para ninguna otra búsqueda en el campo text.sv_FI de la colección, ya que todos los demás términos del campo tienen menos de 20 caracteres.

minúsculas

El filtro de token lowercase normaliza el texto del token a minúsculas.

Atributos

Tiene el siguiente atributo:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `lowercase`.

Ejemplos

El siguiente ejemplo de definición de índice indexa el campo title en la colección minutes como tipo autocomplete con la estrategia de tokenización nGram. Aplica un analizador personalizado llamado keywordLowerer en el campo title. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador de palabras clave para crear un solo token a partir de una string o un arreglo de strings.
Aplica el filtro de token lowercase para convertir el texto del token a minúsculas.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Elija el botón de opción Create Your Own y haga clic en Next.
Escriba keywordLowerer en el campo Analyzer Name.
Expande Tokenizer si está colapsado y selecciona el keyword del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Selecciona título del menú desplegable Field Name y Autocompletar del menú desplegable Data Type.
En la sección de propiedades del tipo de datos, seleccione los siguientes valores en el desplegable de la propiedad:
Nombre de la propiedad
Valor
Analyzer
keywordLowerer
Tokenization
nGram
Haz clic en Add, luego en Save Changes.

Sustituye la definición de índice por defecto por la siguiente:

{
  "mappings": {
    "fields": {
      "title": {
        "analyzer": "keywordLowerer",
        "tokenization": "nGram",
        "type": "autocomplete"
      }
    }
  },
  "analyzers": [
    {
      "name": "keywordLowerer",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "title": {
7           "analyzer": "keywordLowerer",
8           "tokenization": "nGram",
9           "type": "autocomplete"
10         }
11       }
12     },
13     "analyzers": [
14       {
15         "name": "keywordLowerer",
16         "charFilters": [],
17         "tokenizer": {
18           "type": "keyword"
19         },
20         "tokenFilters": [
21           {
22             "type": "lowercase"
23           }
24         ]
25       }
26     ]
27   }
28 )

La siguiente query busca en el campo title usando el operador autocompletar para los caracteres standup.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:
{ "$search": { "index": "default", "autocomplete": { "query": "standup", "path": "title" } } }
SCORE: 0.9239386320114136 _id: “4” message: "write down your signature or phone №" page_updated_by: Object text: Object

db.minutes.aggregate([
 {
    "$search": {
      "index": "default",
      "autocomplete": {
        "query": "standup",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[ { _id: 4, title: 'The daily huddle on tHe StandUpApp2' } ]

MongoDB Search devuelve el documento con _id: 4 en los resultados porque el documento contiene el término de consulta standup. MongoDB Search crea tokens para el campo title utilizando el tokenizador keyword, el filtro de tokens lowercase y la estrategia de tokenización nGram para el tipo de autocomplete. En concreto, MongoDB Search utiliza el tokenizador keyword para tokenizar toda la string como un solo token, que solo admite coincidencias exactas en toda la string, y, a continuación, utiliza el filtro de tokens lowercase para convertir los tokens a minúsculas. Para el documento en los resultados, MongoDB Search crea el siguiente token utilizando el analizador personalizado:

ID de documento	Tokens de salida
`_id: 4`	`the daily huddle on the standupapp2`

Después de aplicar el analizador personalizado, MongoDB Search crea más "tokens" de n-gramas porque MongoDB Search indexa el campo title como el tipo autocompletar según lo especificado en la definición del índice. MongoDB Search usa los tokens n-grams, que incluye un token para standup, para emparejar el documento con el término de query standup.

La siguiente definición de índice indexa el campo message en la colección minutes con un analizador personalizado llamado lowerCaser. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador estándar para crear tokens según las reglas de separación de palabras.
Aplicar los siguientes filtros a los tokens:
- icuNormalizer para normalizar los tokens utilizando un Modo de Normalización Unicode estándar.
- lowercase filtro de tokens para convertir el texto de los tokens a minúsculas.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba lowerCaser en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Seleccione icuNormalizer del menú desplegable y luego seleccione nfkd del menú desplegable normalizationForm.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona lowercase del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en el campo mensaje.
Selecciona mensaje del desplegable Field Name y String del desplegable Data Type .
En la sección de propiedades para el tipo de dato, selecciona lowerCaser de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

{
   "mappings": {
   "fields": {
       "message": {
       "type": "string",
       "analyzer": "lowerCaser"
       }
   }
   },
   "analyzers": [
   {
       "name": "lowerCaser",
       "charFilters": [],
       "tokenizer": {
       "type": "standard"
       },
       "tokenFilters": [
       {
           "type": "icuNormalizer",
           "normalizationForm": "nfkd"
       },
       {
           "type": "lowercase"
       }
       ]
   }
   ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "message": {
7           "type": "string",
8           "analyzer": "lowerCaser"
9         }
10       }
11     },
12     "analyzers": [
13       {
14         "name": "lowerCaser",
15         "charFilters": [],
16         "tokenizer": {
17           "type": "standard"
18         },
19         "tokenFilters": [
20           {
21             "type": "icuNormalizer",
22             "normalizationForm": "nfkd"
23           },
24           {
25             "type": "lowercase"
26           }
27         ]
28       }
29     ]
30   }
31 )

La siguiente consulta busca en el campo message el término sign-in.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "sign-in",
      "path": "message"
    }
  }
}

SCORE: 0.37036222219467163  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
 text: Object
SCORE: 0.37036222219467163  _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
  text: Object
SCORE: 0.2633555233478546   _id:  "2"
  message: "do not forget to SIGN-IN. See ① for details."
  page_updated_by: Object
  text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "sign-in",
        "path": "message"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "message": 1
    }
  }
])

[
  { _id: 1, message: 'try to siGn-In' },
  { _id: 3, message: 'try to sign-in' },
  { _id: 2, message: 'do not forget to SIGN-IN. See ① for details.' }
]

MongoDB Search devuelve los documentos con _id: 1, _id: 3 y _id: 2 en los resultados del término de consulta sign-in porque el tokenizador icuNormalizer primero crea tokens separados dividiendo el texto, incluyendo la palabra con guion, pero conserva el uso original de mayúsculas y minúsculas en el documento; luego, el filtro de tokens lowercase convierte los tokens en minúsculas. MongoDB Search también analiza el término de query utilizando el analizador de índices (o si se especifica, utilizando el searchAnalyzer) para dividir el término de query y emparejarlo con el documento.

Formas de normalización	Tokens de salida
`_id: 1`	`try`, `to`, `sign`, `in`
`_id: 3`	`try`, `to`, `sign`, `in`
`_id: 2`	`do`, `not`, `forget`, `to`, `sign`, `in`, `see`, `for`, `details`

nGram

El filtro de tokens nGram tokeniza la entrada en n-gramas de tamaños configurados. No se puede usar el filtro de token nGram en las definiciones de mapeo de sinónimos o autocompletar.

Nota

Para realizar consultas con regex (MongoDB Search Operator) o wildcard operador, no se puede usar el filtro de tokens ngram como el searchAnalyzer, ya que produce más de un token de salida por token de entrada. Especifique un analizador diferente como el searchAnalyzer en su definición de índice.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `nGram`.
`minGram`	entero	Sí	Número que especifica la longitud mínima de n-gramas generados. El valor debe ser menor o igual a `maxGram`.
`maxGram`	entero	Sí	El número que indica la longitud máxima de los n-gramas generados. El valor debe ser mayor o igual a `minGram`.
`termNotInBounds`	string	no	String que especifica si se deben indexar los tokens más cortos que `minGram` o más largos que `maxGram`. Los valores aceptados son: `include` `omit` Si se especifica `include`, los tokens más cortos que `minGram` o más largos que `maxGram` se indexan tal como están. Si se especifica `omit`, estos tokens no están indexados. Por defecto: `omit`

Ejemplo

La siguiente definición de índice indexa el campo title en la colección de actas utilizando el analizador personalizado denominado titleAutocomplete. Especifica el analizador de palabras clave como el searchAnalyzer. La función de análisis personalizado especifica lo siguiente:

Aplica el tokenizador estándar para crear tokens basados en las reglas de ruptura de palabras.
Aplica una serie de filtros de tokens en los tokens:
- englishPossessive para remover los posesivos (al final 's) de las palabras.
- nGram tokenizar palabras en fragmentos de 4 a 7 caracteres de longitud.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba titleAutocomplete en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona englishPossessive del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona nGram del menú desplegable y configura los siguientes campos para el filtro de tokens:
Campo
Valor
minGram
4
maxGram
7
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona titleAutocomplete de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
 "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "titleAutocomplete",
        "searchAnalyzer": "lucene.keyword"
      }
    }
  },
  "analyzers": [
    {
      "name": "titleAutocomplete",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "englishPossessive"
        },
        {
          "type": "nGram",
          "minGram": 4,
          "maxGram": 7
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "title": {
7           "type": "string",
8           "analyzer": "titleAutocomplete",
9           "searchAnalyzer": "lucene.keyword"
10         }
11       }
12     },
13     "analyzers": [
14       {
15         "name": "titleAutocomplete",
16         "charFilters": [],
17         "tokenizer": {
18           "type": "standard"
19         },
20         "tokenFilters": [
21           {
22             "type": "englishPossessive"
23           },
24           {
25             "type": "nGram",
26             "minGram": 4,
27             "maxGram": 7
28           }
29         ]
30       }
31     ]
32   }
33 )

La siguiente query usa el operador comodín para buscar el campo title en la colección minutos del término meet seguido de cualquier cantidad de otros caracteres después del término.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "wildcard": {
      "query": "meet*",
      "path": "title",
      "allowAnalyzedField": true
    }
  }
}

SCORE: 1  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
  text: Object
  title: "The team's weekly meeting"
SCORE: 1  _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
  text: Object
  title: "The regular board meeting"

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "wildcard": {
        "query": "meet*",
        "path": "title",
        "allowAnalyzedField": true
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  { _id: 1, title: 'The team's weekly meeting' },
  { _id: 3, title: 'The regular board meeting' }
]

MongoDB Search devuelve los documentos con _id: 1 y _id: 3 porque estos contienen el término meeting, que MongoDB Search asocia a los criterios de query meet* mediante la creación de los siguientes token (términos buscables).

Formas de normalización	Tokens de salida
`_id: 2`	`team`, `week`, `weekl`, `weekly`, `eekl`, `eekly`, `ekly`, `meet`, `meeti`, `meetin`, `meeting`, `eeti`, `eeti`, `eeting`, `etin`, `eting`, `ting`
`_id: 3`	`regu`, `regul`, `regula`, `regular`, `egul`, `egula`, `egular`, `gula`, `gular`, `ular`, `boar`, `board`, `oard`, `meet`, `meeti`, `meetin`, `meeting`, `eeti`, `eeti`, `eeting`, `etin`, `eting`, `ting`

Nota

MongoDB Search no crea tokens para términos de menos de 4 caracteres (como the) y de más de 7 caracteres porque el parámetro termNotInBounds está configurado en omit por defecto. Si se establece el valor del parámetro termNotInBounds en include, MongoDB Search también creará tokens para el término the.

porterStemming

El filtro de tokens porterStemming utiliza el algoritmo de stemming de porter para remover los sufijos morfológicos y flexionales comunes de las palabras en inglés. Espera texto en minúsculas y no funciona como se espera para texto en mayúsculas.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `porterStemming`.

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado porterStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear fichas basadas en reglas de separación de palabras.
Aplicar los siguientes filtros de tokens a los tokens:
- minúsculas filtro de tokens para convertir las palabras a minúsculas.
- portérStemming filtro de tokens para remover los sufijos morfológicos e inflexionales comunes de las palabras.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba porterStemmer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona porterStemming del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona porterStemmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "porterStemmer"
      }
    }
  },
  "analyzers": [
    {
      "name": "porterStemmer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "porterStemming"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "porterStemmer"
      }
    }
  },
  "analyzers": [
    {
      "name": "porterStemmer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "porterStemming"
        }
      ]
    }
  ]
})

La siguiente query busca el campo title en la colección de actas para el término Meet.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "Meet",
      "path": "title"
    }
  }
}

SCORE: 0.34314215183258057  _id:  “1”
 message: "try to siGn-In"
 page_updated_by: Object
 text: Object
SCORE: 0.34314215183258057  _id:  “3”
 message: "try to sign-in"
 page_updated_by: Object
 text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "Meet",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  {
    _id: 1,
    title: 'The team's weekly meeting'
  },
  {
    _id: 3,
    title: 'The regular board meeting'
  }
]

MongoDB Search devuelve los documentos con _id: 1 y _id: 3 porque el filtro de tokens minúsculas normaliza el texto del token a minúsculas y luego el filtro de tokens porterStemming extrae el sufijo morfológico del token meeting para crear el token meet, que MongoDB Search compara con el término de query Meet. Específicamente, MongoDB Search crea los siguientes tokens (términos buscables) para los documentos en los resultados, que luego empareja con el término de query Meet:

Formas de normalización	Tokens de salida
`_id: 1`	`the`, `team'`, `weekli`, `meet`
`_id: 3`	`the`, `regular`, `board`, `meet`

regex

El filtro de tokens regex aplica una expresión regular con la sintaxis regex de Java a cada token, reemplazando las coincidencias por una string especificada.

Atributos

Tiene los siguientes atributos:

Nombre

Tipo

¿Requerido?

Descripción

type

string

Sí

Etiqueta legible por humanos que identifica este filtro de token. El valor debe ser regex.

pattern

string

Sí

Patrón de expresión regular que se aplicará a cada token.

replacement

string

Sí

string de reemplazo para sustituir dondequiera que ocurra un patrón coincidente.

Si especificas una string vacía ("") para ignorar o borrar un token, MongoDB Search crea un token con una string vacía en su lugar. Para borrar tokens con cadenas vacías, use el filtro de token stopword después del filtro de token regex. Por ejemplo:

"analyzers": [
  {
    "name": "custom.analyzer.name",
    "charFilters": [],
    "tokenizer": {
      "type": "whitespace"
    },
    "tokenFilters": [
      {
        "matches": "all",
        "pattern": "^(?!\\$)\\w+",
        "replacement": "",
        "type": "regex"
      },
      {
        "type": "stopword",
        "tokens": [""]
      }
    ]
  }
]

matches

string

Sí

Los valores aceptables son:

all
first

Si matches está configurado como all, reemplace todos los patrones coincidentes. De lo contrario, reemplaza solo el primer patrón que coincida.

Ejemplo

La siguiente definición de índice indexa el campo page_updated_by.email en la colección minutes con un analizador personalizado llamado emailRedact. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador de palabras clave para indexar todas las palabras en el valor del campo como un solo término.
Aplicar los siguientes filtros de tokens a los tokens:
- Filtro de token lowercase para convertir caracteres mayúsculos en los tokens a minúsculas.
- regex filtro de token para encontrar cadenas que parezcan direcciones de correo electrónico en los tokens y reemplazarlas con la palabra redacted.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba emailRedact en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona keyword del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona regex del menú desplegable y configura lo siguiente para el filtro de tokens:
1. Escriba ^([a-z0-9_\\.-]+)@([\\da-z\\.-]+)\\.([a-z\\.]{2,5})$ en el campo pattern.
2. Escriba redacted en el campo replacement.
3. Selecciona all del menú desplegable matches.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el campo anidado page_updated_by.email.
Selecciona page_updated_by.email anidado desde el desplegable de Field Name y String desde el desplegable de Data Type.
En la sección de propiedades para el tipo de dato, selecciona emailRedact de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "lucene.standard",
  "mappings": {
    "dynamic": false,
    "fields": {
      "page_updated_by": {
        "type": "document",
        "fields": {
          "email": {
            "type": "string",
            "analyzer": "emailRedact"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "charFilters": [],
      "name": "emailRedact",
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "matches": "all",
          "pattern": "^([a-z0-9_\\.-]+)@([\\da-z\\.-]+)\\.([a-z\\.]{2,5})$",
          "replacement": "redacted",
          "type": "regex"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "analyzer": "lucene.standard",
  "mappings": {
    "dynamic": false,
    "fields": {
      "page_updated_by": {
        "type": "document",
        "fields": {
          "email": {
            "type": "string",
            "analyzer": "emailRedact"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "charFilters": [],
      "name": "emailRedact",
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "matches": "all",
          "pattern": "^([a-z0-9_\\.-]+)@([\\da-z\\.-]+)\\.([a-z\\.]{2,5})$",
          "replacement": "redacted",
          "type": "regex"
        }
      ]
    }
  ]
})

La siguiente query busca el campo page_updated_by.email en la colección actas utilizando el operador comodín para el término example.com precedido por cualquier cantidad de otros caracteres.

1 db.minutes.aggregate([
2   {
3     "$search": {
4       "index": "default",
5       "wildcard": {
6         "query": "*example.com",
7         "path": "page_updated_by.email",
8         "allowAnalyzedField": true
9       }
10     }
11   },
12   {
13     "$project": {
14       "_id": 1,
15       "page_updated_by.email": 1
16     }
17   }
18 ])

MongoDB Search no devuelve ningún resultado para la query aunque el campo page_updated_by.email contiene la palabra example.com en las direcciones de correo electrónico. MongoDB Search divide strings que coinciden con la expresión regular proporcionada en el analizador personalizado con la palabra redacted y, por lo tanto, MongoDB Search no hace coincidir el término de la query con ningún documento.

eliminarDuplicados

El removeDuplicates filtro de token remueve los tokens duplicados consecutivos, que son tokens para el mismo término en la misma posición.

Atributos

Tiene el siguiente atributo:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este filtro de token. El valor debe ser `removeDuplicates`.

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado duplicateRemover. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador de espacios para crear tokens basados en la ocurrencia de espacios entre palabras.
Aplicar los siguientes filtros a los tokens:
- keywordRepeat Filtro de tokens para generar tokens dos veces, como palabra clave y como no palabra clave.
- removeDuplicates para filtrar los tokens que se encuentren en la misma posición y término que el token anterior en el flujo.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba removeDuplicates en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Seleccione keywordRepeat en la lista desplegable y haga clic en Add token filter.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona removeDuplicates del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona removeDuplicates de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "title": {
        "analyzer": "duplicateRemover",
        "type": "string"
      }
    }
  },
  "analyzers": [
    {
      "name": "duplicateRemover",
      "tokenFilters": [
        {
          "type": "keywordRepeat"
        },
        {
          "type": "removeDuplicates"
        }
      ],
      "tokenizer": {
        "type": "whitespace"
      }
    }
  ]
}

db.minutes.createSearchIndex(
  "default",
  {
    "mappings": {
      "dynamic": false,
      "fields": {
        "title": {
          "analyzer": "duplicateRemover",
          "type": "string"
        }
      }
    },
    "analyzers": [
      {
        "name": "duplicateRemover",
        "tokenFilters": [
          {
            "type": "keywordRepeat"
          },
          {
            "type": "removeDuplicates"
          }
        ],
        "tokenizer": {
            "type": "whitespace"
        }
      }
    ]
  }
)

La siguiente query busca en el campo title de la colección minutes el término mee* usando el wildcard operador.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "wildcard": {
       "query": "mee*",
       "path": "title",
       "allowAnalyzedField": true
    }
  }
}

SCORE: 1   _id:  "1"
   message: "try to siGn-In"
   page_updated_by: Object
   text: Object
   title: "The team's weekly meeting"
SCORE: 1    _id:  "3"
   message: "try to sign-in"
   page_updated_by: Object
   text: Object
   title: "The regular board meeting"

db.minutes.aggregate([
 {
    "$search": {
      "index": "default",
      "wildcard": {
        "query": "mee*",
        "path": "title",
        "allowAnalyzedField": true
       }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  { _id: 1, title: "The team's weekly meeting" },
  { _id: 3, title: 'The regular board meeting' }
]

Título	Keyword Tokens	Non-Keyword tokens
`The team's weekly meeting`	`The`, `team's`, `weekly`, `meeting`	`the`, `team's`, `weekly`, `meeting`
`The regular board meeting`	`The`, `regular`, `board`, `meeting`	`the`, `regular`, `board`, `meeting`

El filtro de token removeDuplicates remueve los tokens duplicados en el stream.

reversa

El filtro de tokens reverse invierte cada token de string.

Atributos

Tiene el siguiente atributo:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este filtro de token. El valor debe ser `reverse`.

Ejemplo

La siguiente definición de índice indexa los campos page_updated_by.email en la colección minutos utilizando un analizador personalizado llamado keywordReverse. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador de palabras clave para tokenizar cadenas enteras como términos individuales.
Aplica el filtro de token reverse para invertir los tokens de la string.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba reverseAnalyzer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona reverse del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona reverseAnalyzer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "keywordReverse",
  "mappings": {
    "dynamic": true
  },
  "analyzers": [
    {
      "name": "keywordReverse",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "reverse"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "analyzer": "keywordReverse",
  "mappings": {
    "dynamic": true
  },
  "analyzers": [
    {
      "name": "keywordReverse",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "reverse"
        }
      ]
    }
  ]
})

La siguiente query busca en el campo page_updated_by.email en la colección minutas usando el operador comodín para hacer coincidir cualquier carácter que preceda los caracteres @example.com en orden inverso. El filtro de tokens reverse puede acelerar las consultas comodín iniciales.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "wildcard": {
      "query": "*@example.com",
      "path": "page_updated_by.email",
      "allowAnalyzedField": true
    }
  }
}

SCORE: 1 _id:  "1"
 message: "try to siGn-In"
 page_updated_by: Object
   last_name: "AUERBACH"
   first_name: "Siân"
   email: "auerbach@example.com"
   phone: "(123)-456-7890"
 text: Object
SCORE: 1  _id:  "2"
 message: "do not forget to SIGN-IN. See ① for details."
 page_updated_by: Object
   last_name: "OHRBACH"
   first_name: "Noël"
   email: "ohrbach@example.com"
   phone: "(123) 456 0987"
 text: Object
SCORE: 1  _id:  "3"
 message: "try to sign-in"
 page_updated_by: Object
   last_name: "LEWINSKY"
   first_name: "Brièle"
   email: "lewinsky@example.com"
   phone: "(123).456.9870"
 text: Object
SCORE: 1  _id:  "4"
 message: "write down your signature or phone №"
 page_updated_by: Object
   last_name: "LEVINSKI"
   first_name: "François"
   email: "levinski@example.com"
   phone: "123-456-8907"
 text: Object

.. io-code-block::
   :copyable: true
   
   .. input:: 
      :language:  json
      db.minutes.aggregate([
        {
          "$search": {
            "index": "default",
            "wildcard": {
              "query": "*@example.com",
              "path": "page_updated_by.email",
              "allowAnalyzedField": true
            }
          }
        },
        {
          "$project": {
            "_id": 1,
            "page_updated_by.email": 1,
          }
        }
      ])
   
   .. output:: 
      :language:  json
         
      [
        { _id: 1, page_updated_by: { email: 'auerbach@example.com' } },
        { _id: 2, page_updated_by: { email: 'ohrback@example.com' } },
        { _id: 3, page_updated_by: { email: 'lewinsky@example.com' } },
        { _id: 4, page_updated_by: { email: 'levinski@example.com' } }
      ]

Para la query precedente, MongoDB Search aplica el analizador personalizado a la query de comodín para transformar la query de la siguiente manera:

moc.elpmaxe@*

MongoDB Search luego ejecuta la query contra los tokens indexados, que también se invierten. Específicamente, MongoDB Search crea los siguientes tokens (términos que se pueden buscar) para los documentos en los resultados, que luego compara con el término de query moc.elpmaxe@*:

Formas de normalización	Tokens de salida
`_id: 1`	`moc.elpmaxe@hcabreua`
`_id: 2`	`moc.elpmaxe@kcabrho`
`_id: 3`	`moc.elpmaxe@yksniwel`
`_id: 4`	`moc.elpmaxe@iksnivel`

shingle

El filtro de tokens shingle construye shingles (n-gramas) a partir de una serie de tokens. No puedes utilizar el filtro de tokens shingle en las definiciones de sinónimos o de mapeo de autocompletar.

Nota

Para realizar consultas con regex (MongoDB Search Operator) o wildcard operador, no se puede usar el filtro de tokens shingle como el searchAnalyzer, ya que produce más de un token de salida por token de entrada. Especifique un analizador diferente como el searchAnalyzer en su definición de índice.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `shingle`.
`minShingleSize`	entero	Sí	Número mínimo de tokens por shingle. Debe ser mayor o igual a `2` y menor o igual a `maxShingleSize`.
`maxShingleSize`	entero	Sí	Número máximo de tokens por teja. Debe ser mayor o igual a `minShingleSize`

Ejemplo

El siguiente ejemplo de definición de índice en el campo page_updated_by.email de la colección minutos utiliza dos analizadores personalizados, emailAutocompleteIndex y emailAutocompleteSearch, para implementar una funcionalidad similar al autocompletado. MongoDB Search utiliza el analizador emailAutocompleteIndex durante la creación del índice para:

Reemplaza @ caracteres en un campo por AT
Crea tokens con el tokenizador de espacio en blanco
Token shingles
Crear edgeGram de esos tokens solapados

MongoDB Search utiliza el analizador emailAutocompleteSearch durante una búsqueda para:

Reemplaza @ caracteres en un campo por AT
Crea fichas con el tokenizador de espacios en blanco tokenizador

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba emailAutocompleteIndex en el campo Analyzer Name.
Expande Character Filters y haz clic en Add character filter.
Seleccione mapping del menú desplegable y haga clic en Add mapping.
Introduzca la siguiente clave y valor:
Clave
Valor
@
AT
Haga clic en Add character filter para agregar el filtro de caracteres a su analizador personalizado.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable e introduce 15 en el campo maxTokenLength.
Expande Token Filters y haz clic en Add token filter.
Seleccione shingle del menú desplegable y configure los siguientes campos.
Campo
Valor del campo
minShingleSize
2
minShingleSize
3
Haz clic en Add token filter para agregar otro filtro de token.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona edgeGram del menú desplegable y configura los siguientes campos para el filtro de tokens:
Campo
Valor del campo
minGram
2
maxGram
15
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haz clic en Add para agregar el analizador personalizado a tu índice.
En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba emailAutocompleteSearch en el campo Analyzer Name.
Expande Character Filters y haz clic en Add character filter.
Seleccione mapping del menú desplegable y haga clic en Add mapping.
Introduzca la siguiente clave y valor:
Clave
Valor
@
AT
Haga clic en Add character filter para agregar el filtro de caracteres a su analizador personalizado.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable e introduce 15 en el campo maxTokenLength.
Haz clic en Add para agregar el analizador personalizado a tu índice.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el campo anidado page_updated_by.email.
Selecciona page_updated_by.email anidado desde el desplegable de Field Name y String desde el desplegable de Data Type.
En la sección de propiedades del tipo de dato, selecciona emailAutocompleteIndex del desplegable Index Analyzer y emailAutocompleteSearch del desplegable Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

1 {
2   "analyzer": "lucene.keyword",
3   "mappings": {
4     "dynamic": true,
5     "fields": {
6       "page_updated_by": {
7         "type": "document",
8         "fields": {
9           "email": {
10             "type": "string",
11             "analyzer": "emailAutocompleteIndex",
12             "searchAnalyzer": "emailAutocompleteSearch"
13           }
14         }
15       }
16     }
17   },
18   "analyzers": [
19     {
20       "name": "emailAutocompleteIndex",
21       "charFilters": [
22         {
23           "mappings": {
24             "@": "AT"
25           },
26           "type": "mapping"
27         }
28       ],
29       "tokenizer": {
30         "maxTokenLength": 15,
31         "type": "whitespace"
32       },
33       "tokenFilters": [
34         {
35           "maxShingleSize": 3,
36            **** "minShingleSize": 2,
37           "type": "shingle"
38         },
39         {
40           "maxGram": 15,
41           "minGram": 2,
42           "type": "edgeGram"
43         }
44       ]
45     },
46     {
47       "name": "emailAutocompleteSearch",
48       "charFilters": [
49         {
50           "mappings": {
51             "@": "AT"
52           },
53           "type": "mapping"
54         }
55       ],
56       "tokenizer": {
57         "maxTokenLength": 15,
58         "type": "whitespace"
59       }
60     }
61   ]
62 }

db.minutes.createSearchIndex("default", {
  "analyzer": "lucene.keyword",
  "mappings": {
    "dynamic": true,
    "fields": {
      "page_updated_by": {
        "type": "document",
        "fields": {
          "email": {
            "type": "string",
            "analyzer": "emailAutocompleteIndex",
            "searchAnalyzer": "emailAutocompleteSearch"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "emailAutocompleteIndex",
      "charFilters": [
        {
          "mappings": {
            "@": "AT"
          },
          "type": "mapping"
        }
      ],
      "tokenizer": {
        "maxTokenLength": 15,
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "maxShingleSize": 3,
          "minShingleSize": 2,
          "type": "shingle"
        },
        {
          "maxGram": 15,
          "minGram": 2,
          "type": "edgeGram"
        }
      ]
    },
    {
      "name": "emailAutocompleteSearch",
      "charFilters": [
        {
          "mappings": {
            "@": "AT"
          },
          "type": "mapping"
        }
      ],
      "tokenizer": {
        "maxTokenLength": 15,
        "type": "whitespace"
      }
    }
  ]
})

La siguiente query busca una dirección de correo electrónico en el campo page_updated_by.email de la colección de actas:

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "auerbach@ex",
      "path": "page_updated_by.email"
    }
  }
}

SCORE: 0.8824931383132935  _id:  "1"
 message: "try to siGn-In"
 page_updated_by: Object
   last_name: "AUERBACH"
   first_name: "Siân"
   email: "auerbach@example.com"
   phone: "(123)-456-7890"
 text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "auerbach@ex",
        "path": "page_updated_by.email"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.es_MX": 1
    }
  }
])

[ { _id: 1, page_updated_by: { email: 'auerbach@example.com' } } ]

MongoDB Search crea tokens de búsqueda usando el analizador emailAutocompleteSearch, que posteriormente compara con los tokens del índice que creó usando el analizador emailAutocompleteIndex. La siguiente tabla muestra los tokens de búsqueda e índice (hasta 15 caracteres) que crea MongoDB Search:

Buscar tokens	Index Tokens
`auerbachATexamp`	`au`, `aue`, `auer`, `auerb`, `auerba`, `auerbac`, `auerbach`, `auerbachA`, `auerbachAT`, `auerbachATe`, `auerbachATex`, `auerbachATexa`, `auerbachATexam`, `auerbachATexamp`

SnowballStemming

El token snowballStemming aplica el filtro a los tokens Stems usando un Radicalizador generado por Snowball.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `snowballStemming`.
`stemmerName`	string	Sí	Los siguientes valores son válidos: `arabic` `armenian` `basque` `catalan` `danish` `dutch` `english` `estonian` `finnish` `french` `german` `german2` (obsoleto) `hungarian` `irish` `italian` `lithuanian` `norwegian` `porter` (El algoritmo original de derivación de Porter en inglés). `portuguese` `romanian` `russian` `spanish` `swedish` `turkish`

Ejemplo

La siguiente definición de índice indexa el campo text.fr_CA en la colección minutes con un analizador personalizado llamado frenchStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear fichas basadas en reglas de separación de palabras.
Aplicar los siguientes filtros de tokens a los tokens:
- Filtro de tokens minúsculas para convertir los tokens a minúsculas.
- french variante del filtro de tokens snowballStemming para extraer las raíces de las palabras.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba frenchStemmer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Seleccione snowballStemming del menú desplegable y luego seleccione french del menú desplegable stemmerName.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el text.fr_CA campo anidado.
Selecciona text.fr_CA anidado en el menú desplegable Field Name y String en el menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona frenchStemmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "fr_CA": {
            "type": "string",
            "analyzer": "frenchStemmer"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "frenchStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "snowballStemming",
          "stemmerName": "french"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "fr_CA": {
            "type": "string",
            "analyzer": "frenchStemmer"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "frenchStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "snowballStemming",
          "stemmerName": "french"
        }
      ]
    }
  ]
})

La siguiente query busca el campo text.fr_CA en la colección de actas para el término réunion.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "réunion",
      "path": "text.fr_CA"
    }
  }
}

SCORE: 0.13076457381248474 _id:  "1"
 message: "try to siGn-In"
 page_updated_by: Object
 text: Object
   en_US: "<head> This page deals with department meetings.</head>"
   sv_FI: "Den här sidan behandlar avdelningsmöten"
   fr_CA: "Cette page traite des réunions de département"

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "réunion",
        "path": "text.fr_CA"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.fr_CA": 1
    }
  }
])

[
  {
    _id: 1,
    text: {
      fr_CA: 'Cette page traite des réunions de département'
    }
  }
]

MongoDB Search devuelve el documento con _id: 1 en los resultados. MongoDB Search coincide el query de consulta con el documento porque crea los siguientes tokens para el documento, los cuales luego se usan para hacer coincidir el término de query réunion:

ID de documento	Tokens de salida
`_id: 1`	`cet`, `pag`, `trait`, `de`, `réunion`, `de`, `départ`

spanishPluralStemming

El filtro de tokens spanishPluralStemming reduce palabras españolas plurales a su raíz. Espera texto en minúsculas.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `spanishPluralStemming`.

Ejemplo

La siguiente definición de índice indexa el campo text.es_MX en la colección minutes con un analizador personalizado llamado spanishPluralStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear fichas basadas en reglas de separación de palabras.
Aplicar los siguientes filtros de tokens a los tokens:
- minúscula filtro de tokens para convertir términos en español a minúsculas.
- spanishPluralStemming filtro de tokens para reducir a la raíz las palabras españolas plurales en los tokens a su forma singular.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba spanishPluralStemmer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona spanishPluralStemming del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en el texto.es_MX campo anidado.
Selecciona text.es_MX anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona spanishPluralStemmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "analyzer": "spanishPluralStemmer",
  "mappings": {
    "fields": {
      "text: {
        "type": "document",
        "fields": {
          "es_MX": {
            "analyzer": "spanishPluralStemmer",
            "searchAnalyzer": "spanishPluralStemmer",
            "type": "string"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "spanishPluralStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "spanishPluralStemming"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "analyzer": "spanishPluralStemmer", 
  "mappings": {
    "fields": {
      "text": { 
        "type": "document",
        "fields": {
          "es_MX": {
            "analyzer": "spanishPluralStemmer",
            "searchAnalyzer": "spanishPluralStemmer",
            "type": "string"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "spanishPluralStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "spanishPluralStemming"
        }
      ]
    }
  ]
})

La siguiente query busca el campo text.es_MX en la colección de minutos por el término en español punto.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "index": "default",
    "text": {
      "query": "punto",
      "path": "text.es_MX"
    }
  }
}

 SCORE: 0.13076457381248474  _id:  "4"
   message: "write down your signature or phone №"
   page_updated_by: Object
   text: Object
     en_US: "<body>This page has been updated with the items on the agenda.</body>"
     es_MX: "La página ha sido actualizada con los puntos de la agenda."
     pl_PL: "Strona została zaktualizowana o punkty porządku obrad."

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "punto",
        "path": "text.es_MX"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.es_MX": 1
    }
  }
])

[
  {
    _id: 4,
    text : {
      es_MX: 'La página ha sido actualizada con los puntos de la agenda.',
    }
  }
]

MongoDB Search devuelve el documento con _id: 4 porque el campo text.es_MX en el documento contiene el término plural puntos. MongoDB Search encuentra la coincidencia de este documento para el término de query punto porque MongoDB Search analiza puntos como punto, evitando el plural (s) del término. Específicamente, MongoDB Search crea los siguientes tokens (términos buscables) para el documento en los resultados, que luego usa para emparejar con el término de la query:

ID de documento	Tokens de salida
`_id: 4`	`la`, `pagina`, `ha`, `sido`, `actualizada`, `con`, `los`, `punto`, `de`, `la`, `agenda`

stempel

El filtro de tokens stempel utiliza la tabla por defecto del stemmer de lenguaje polaco de Lucene para aplicar stemming a palabras en el lenguaje polaco. Se espera texto en minúsculas.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `stempel`.

Ejemplo

La siguiente definición de índice indexa el campo text.pl_PL en la colección minutes con un analizador personalizado llamado stempelStemmer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador estándar para crear fichas basadas en reglas de separación de palabras.
Aplicar los siguientes filtros a los tokens:
- minúsculas filtro de tokens para convertir las palabras a minúsculas.
- stempel filtro de token para estemizar las palabras polacas.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba stempelAnalyzer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona standard del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Selecciona spanishPluralStemming del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado al campo título.
Seleccione título del menú desplegable Field Name y string del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona stempelAnalyzer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "stempelAnalyzer"
      }
    }
  },
  "analyzers": [
    {
      "name": "stempelAnalyzer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "stempel"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "analyzer": "stempelStemmer", 
  "mappings": {
    "dynamic": true,
    "fields": {
      "text.pl_PL": {
        "analyzer": "stempelStemmer",
        "searchAnalyzer": "stempelStemmer",
        "type": "string"
      }
    }
  },
  "analyzers": [
    {
      "name": "stempelStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "stempel"
        }
      ]
    }
  ]
})

La siguiente query busca en el campo text.pl_PL de la colección actas el término en polaco punkt.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:
{ "$search": { "index": "default", "text": { "query": "punkt", "path": "text.pl_PL" } } }
SCORE: 0.5376965999603271 _id: "4" text: Object pl_PL: "Strona została zaktualizowana o punkty porządku obrad."

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "punkt",
        "path": "text.pl_PL"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "text.pl_PL": 1
    }
  }
])

[
  {
    _id: 4,
    text: {
      pl_PL: 'Strona została zaktualizowana o punkty porządku obrad.'
    }
  }
]

MongoDB Search devuelve el documento con _id: 4 porque el campo text.pl_PL del documento contiene el término plural punkty. MongoDB Search corresponde este documento con el término de query punkt porque MongoDB Search analiza punkty como punkt al derivar el plural (y) del término. Específicamente, MongoDB Search crea los siguientes token (términos de búsqueda) para el documento en los resultados, que luego compara con el query:

ID de documento	Tokens de salida
`_id: 4`	`strona`, `zostać`, `zaktualizować`, `o`, `punkt`, `porządek`, `obrada`

stopword

El filtro de token stopword remueve los tokens que corresponden a las palabras de detención especificadas. Este filtro de tokens no analiza las palabras de detención especificadas.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `stopword`.
`tokens`	Arreglo de cadenas	Sí	Lista que contiene las palabras vacías que corresponden a los tokens que se deben remover. El valor debe ser una o varias palabras de detención.
`ignoreCase`	booleano	no	Indica si se debe ignorar el uso de mayúsculas y minúsculas de las palabras vacías al filtrar los tokens que se van a remover. El valor puede ser uno de los siguientes: `true` - ignorar mayúsculas y minúsculas y remover todos los tokens que coincidan con las palabras de búsqueda especificadas `false` - distingue entre mayúsculas y minúsculas y remover solo los tokens que coincidan exactamente con el caso especificado Por defecto: `true`

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado stopwordRemover. El analizador personalizado especifica lo siguiente:

Aplica el tokenizador de espacios en blanco para crear tokens basados en la aparición de espacios en blanco entre palabras.
Aplica el filtro de token stopword para remover los tokens que coincidan con las palabras vacías definidas is, the y at. El filtro de tokens no diferencia entre mayúsculas y minúsculas y removerá todos los tokens que coincidan con las stopwords especificadas.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba stopwordRemover en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona stopword del menú desplegable y escribe lo siguiente en el campo tokens:
is, the, at
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en text.en_US. campo anidado.
Seleccione text.en_US anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona stopwordRemover de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "text": {
        "type" : "document",
        "fields": {
          "en_US": {
            "type": "string",
            "analyzer": "stopwordRemover"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "stopwordRemover",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "stopword",
          "tokens": ["is", "the", "at"]
        }
      ]
    }
  ]
}

1 db.minutes.createSearchIndex(
2   "default",
3   {
4     "mappings": {
5       "fields": {
6         "text": {
7           "type": "document",
8           "fields": {
9             "en_US": {
10               "type": "string",
11               "analyzer": "stopwordRemover"
12             }
13           }
14         }
15       }
16     },
17     "analyzers": [
18       {
19         "name": "stopwordRemover",
20         "charFilters": [],
21         "tokenizer": {
22           "type": "whitespace"
23         },
24         "tokenFilters": [
25           {
26             "type": "stopword",
27             "tokens": ["is", "the", "at"]
28           }
29         ]
30       }
31     ]
32   }
33 )

La siguiente query busca la frase head of the sales en el campo text.en_US de la colección de actas.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:
{ "$search": { "phrase": { "query": "head of the sales", "path": "text.en_US" } } }
SCORE: 1.5351942777633667 _id: "2" message: "do not forget to SIGN-IN. See ① for details." page_updated_by: Object text: Object

1 db.minutes.aggregate([
2   {
3     "$search": {
4       "phrase": {
5         "query": "head of the sales",
6         "path": "text.en_US"
7       }
8     }
9   },
10   {
11     "$project": {
12       "_id": 1,
13       "text.en_US": 1
14     }
15   }
16 ])

[
  {
    _id: 2,
    text: { en_US: 'The head of the sales department spoke first.' }
  }
]

MongoDB Search devuelve el documento con _id: 2 porque el campo en_US contiene el término de consulta. MongoDB Search no crea símbolos para la palabra clave the del documento durante el análisis, pero sigue siendo capaz de compararla con el término de query porque, en los campos string, también analiza el término de query mediante el analizador de índices (o, si se especifica, con el searchAnalyzer) y remueve la palabra clave del término de query, lo que permite a MongoDB Search hacer coincidir el término de query con el documento. Concretamente, MongoDB Search crea los siguientes símbolos para el documento en los resultados:

ID de documento	Tokens de salida
`_id: 2`	`head`, `of`, `sales`, `department`, `spoke`, `first.`

recortar

El filtro de tokens trim recorta los espacios en blanco iniciales y finales de los tokens.

Atributos

Tiene el siguiente atributo:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `trim`.

Ejemplo

La siguiente definición de índice indexa el text.en_US en la colección de minutas utilizando un analizador personalizado llamado tokenTrimmer. El analizador personalizado especifica lo siguiente:

Aplica el filtro de caracteres htmlStrip para eliminar todas las etiquetas HTML del texto excepto la etiqueta a.
Aplicar el tokenizador de palabras clave para crear un solo token para toda la string.
Aplique el filtro de tokens trim para remover los espacios en blanco iniciales y finales de los tokens.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba tokenTrimmer en el campo Analyzer Name.
Expande Character Filters y haz clic en Add character filter.
Selecciona htmlStrip del menú desplegable y escribe a en el campo ignoredTags.
Haga clic en Add character filter para agregar el filtro de caracteres a su analizador personalizado.
Expandir Tokenizer si está colapsado.
Selecciona keyword del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona trim del menú desplegable.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haz clic en Add para agregar el analizador personalizado a tu índice.
En la sección Field Mappings, haz clic en Add Field Mapping para aplicar el analizador personalizado en text.en_US. campo anidado.
Seleccione text.en_US anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona tokenTrimmer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "en_US": {
            "type": "string",
            "analyzer": "tokenTrimmer"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "tokenTrimmer",
      "charFilters": [{
        "type": "htmlStrip",
        "ignoredTags": ["a"]
      }],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "trim"
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "en_US": {
            "type": "string",
            "analyzer": "tokenTrimmer" 
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "tokenTrimmer",
      "charFilters": [{
        "type": "htmlStrip",
        "ignoredTags": ["a"]
      }],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "trim"
        }
      ]
    }
  ]
})

La siguiente query busca la frase *department meetings* que está precedida y seguida por cualquier cantidad de otros caracteres en el campo text.en_US de la colección minutes.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.

Reemplaza la consulta por defecto por la siguiente y haz clic en Search:

{
  "$search": {
    "wildcard": {
      "query": "*department meetings*",
      "path": "text.en_US",
      "allowAnalyzedField": true
    }
  }
}

SCORE: 1  _id:  "1"
message: "try to siGn-In"
page_updated_by: Object
text: Object
  en_US: "<head> This page deals with department meetings.</head>"
  sv_FI: "Den här sidan behandlar avdelningsmöten"
  fr_CA: "Cette page traite des réunions de département"

1 db.minutes.aggregate([
2   {
3     "$search": {
4       "wildcard": {
5         "query": "*department meetings*",
6         "path": "text.en_US",
7         "allowAnalyzedField": true
8       }
9     }
10   },
11   {
12     "$project": {
13       "_id": 1,
14       "text.en_US": 1
15     }
16   }
17 ])

1 [
2   {
3     _id: 1,
4     text: { en_US: '<head> This page deals with department meetings. </head>' }
5   }
6 ]

MongoDB Search devuelve el documento con _id: 1 porque el campo en_US contiene el término de query department meetings. MongoDB Search crea el siguiente token para el documento en los resultados, lo que demuestra que MongoDB Search eliminó las etiquetas HTML, creó un único token para toda la string, y eliminó los espacios en blanco al inicio y al final de la string:

ID de documento	Tokens de salida
`_id: 1`	`This page deals with department meetings.`

wordDelimiterGraph

El filtro de token wordDelimiterGraph divide los tokens en sub-tokens según reglas configuradas. Recomendamos no usar este filtro de token junto con el tokenizador estándar porque este tokenizador remueve muchos de los delimitadores intra-palabra que este filtro de token utiliza para determinar los límites.

Nota

Para realizar consultas con regex (MongoDB Search Operator) o wildcard operador, no se puede usar el filtro de tokens wordDelimiterGraph como el searchAnalyzer, ya que produce más de un token de salida por token de entrada. Especifique un analizador diferente como el searchAnalyzer en su definición de índice.

Atributos

Tiene los siguientes atributos:

Nombre	Tipo	¿Requerido?	Descripción
`type`	string	Sí	Etiqueta legible por humanos que identifica este tipo de filtro de token. El valor debe ser `wordDelimiterGraph`.
`delimiterOptions`	Objeto	no	Objeto que contiene las reglas que determinan cómo dividir palabras en subpalabras. Por defecto: `{}`
`delimiterOptions` `.generateWordParts`	booleano	no	Indicador que señala si se debe realizar la división de los tokens en función de sus sub-palabras. Por ejemplo, si `true`, esta opción divide `PowerShot` en `Power` y `Shot`. Por defecto: `true`
`delimiterOptions` `.generateNumberParts`	booleano	no	Indicador que indica si se deben dividir los tokens en función de subnúmeros. Por ejemplo, si `true`, esta opción divide `100-2` en `100` y `2`. Por defecto: `true`
`delimiterOptions` `.concatenateWords`	booleano	no	Indicador que indica si se deben concatenar secuencias de subpalabras. Por ejemplo, si `true`, esta opción concatena `wi-fi` en `wifi`. Por defecto: `false`
`delimiterOptions` `.concatenateNumbers`	booleano	no	Indicador que indica si se deben concatenar segmentos de subnúmeros. Por ejemplo, si `true`, esta opción concatena `100-2` en `1002`. Por defecto: `false`
`delimiterOptions` `.concatenateAll`	booleano	no	Bandera que indica si se deben concatenar todas las ejecuciones. Por ejemplo, si `true`, esta opción concatena `wi-fi-100-2` en `wifi1002`. Por defecto: `false`
`delimiterOptions` `.preserveOriginal`	booleano	no	Indicador que indica si se deben generar tokens de las palabras originales. Por defecto: `true`
`delimiterOptions` `.splitOnCaseChange`	booleano	no	Indicador que señala si se deben dividir los tokens según transiciones de mayúsculas y minúsculas. Por ejemplo, si `true`, esta opción divide `camelCase` en `camel` y `Case`. Por defecto: `true`
`delimiterOptions` `.splitOnNumerics`	booleano	no	Indicador que indica si se deben dividir los tokens en función de las transiciones entre letras y números. Por ejemplo, si `true`, esta opción divide `g2g` en `g`, `2` y `g`. Por defecto: `true`
`delimiterOptions` `.stemEnglishPossessive`	booleano	no	Bandera que indica si se deben remover los posesivos finales de cada subpalabra. Por ejemplo, si `true`, esta opción cambia `who's` en `who`. Por defecto: `true`
`delimiterOptions` `.ignoreKeywords`	booleano	no	Indicador que señala si se omiten los tokens que tienen el atributo `keyword` establecido como `true`. Por defecto: `false`
`protectedWords`	Objeto	no	Objeto que contiene opciones para palabras protegidas. Por defecto: `{}`
`protectedWords` `.words`	arreglo	Condicional	Lista que contiene los tokens que se deben proteger de la delimitación. Si especificas `protectedWords`, debes especificar esta opción.
`protectedWords` `.ignoreCase`	booleano	no	Marca que indica si se debe ignorar la sensibilidad del caso para palabras protegidas. Por defecto: `true`

Si true, aplica el filtro de tokens flattenGraph después de esta opción para que el flujo de tokens sea adecuado para la indexación.

Ejemplo

La siguiente definición de índice indexa el campo title en la colección minutes con un analizador personalizado llamado wordDelimiterGraphAnalyzer. El analizador personalizado especifica lo siguiente:

Aplicar el tokenizador de espacios para crear tokens basados en la ocurrencia de espacios entre palabras.
Aplica el filtro de tokens wordDelimiterGraph para lo siguiente:
- No intentes dividir is, the, y at. La exclusión distingue entre mayúsculas y minúsculas. Por ejemplo Is y tHe no están excluidos.
- Dividir tokens en cambios de mayúsculas y remueve tokens que contengan sólo letras del alfabeto inglés.

En la sección Custom Analyzers, haga clic en Add Custom Analyzer.
Selecciona el botón de opción Create Your Own y haz clic en Next.
Escriba wordDelimiterGraphAnalyzer en el campo Analyzer Name.
Expandir Tokenizer si está colapsado.
Selecciona whitespace del menú desplegable.
Expande Token Filters y haz clic en Add token filter.
Selecciona lowercase del menú desplegable y haz clic en Add token filter para añadir el filtro de tokens al analizador personalizado.
Haz clic en Add token filter para agregar otro filtro de token.
Seleccione wordDelimiterGraph del menú desplegable y configure los siguientes campos:
1. Deseleccionar delimiterOptions.generateWordParts y seleccionar delimiterOptions.splitOnCaseChange.
2. Escribe y luego selecciona en el menú desplegable las palabras is, the y at, una a la vez, en el campo protectedWords.words.
3. Deseleccionar protectedWords.ignoreCase.
Haga clic en Add token filter para agregar el filtro de token al analizador personalizado.
Haga clic en Add para crear el analizador personalizado.
En la sección Field Mappings, haga clic en Add Field Mapping para aplicar el analizador personalizado en el campo anidado de título.
Selecciona título anidado del menú desplegable Field Name y String del menú desplegable Data Type.
En la sección de propiedades para el tipo de dato, selecciona wordDelimiterGraphAnalyzer de los desplegables Index Analyzer y Search Analyzer.
Haz clic en Add, luego en Save Changes.

Reemplaza la definición de índice por defecto con el siguiente ejemplo:

{
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "wordDelimiterGraphAnalyzer"
      }
    }
  },
  "analyzers": [
    {
      "name": "wordDelimiterGraphAnalyzer",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "wordDelimiterGraph",
          "protectedWords": {
            "words": ["is", "the", "at"],
            "ignoreCase": false
          },
          "delimiterOptions" : {
            "generateWordParts" : false,
            "splitOnCaseChange" : true
          }
        }
      ]
    }
  ]
}

db.minutes.createSearchIndex("default", {
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "wordDelimiterGraphAnalyzer"
      }
    }
  },
  "analyzers": [
    {
      "name": "wordDelimiterGraphAnalyzer",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "wordDelimiterGraph",
          "protectedWords": {
            "words": ["is", "the", "at"],
            "ignoreCase": false
          },
          "delimiterOptions" : {
            "generateWordParts" : false,
            "splitOnCaseChange" : true
          }
        }
      ]
    }
  ]
})

La siguiente query busca el campo title en la colección de actas para el término App2.

Haz clic en el botón Query para tu índice.
Haz clic en Edit Query para editar la consulta.
Haz clic en la barra de query y selecciona la base de datos y la colección.
Reemplaza la consulta por defecto por la siguiente y haz clic en Search:
{ "$search": { "index": "default", "text": { "query": "App2", "path": "title" } } }
SCORE: 0.5104123950004578 _id: "4" message: "write down your signature or phone №" page_updated_by: Object text: Object

db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "App2",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])

[
  {
    _id: 4,
    title: 'The daily huddle on tHe StandUpApp2'
  }
]

MongoDB Search devuelve el documento con _id: 4 porque el campo title del documento contiene App2. MongoDB Search divide tokens al detectar cambios en mayúsculas y remueve los tokens creados por una división que contienen únicamente letras alfabéticas. También analiza el término de la query usando el analizador de índice (o, si se especifica, usando el searchAnalyzer) para dividir la palabra en caso de cambio de mayúsculas y minúsculas y elimina las letras que preceden a 2. Específicamente, MongoDB Search crea los siguientes tokens para el documento con _id : 4 para las opciones protectedWords y delimiterOptions:

`wordDelimiterGraph` opciones	Tokens de salida
`protectedWords`	`The`, `daily`, `huddle`, `on`, `t`, `He`, `Stand`, `Up`, `App`, `2`
`delimiterOptions`	`The`, `daily`, `huddle`, `on`, `2`

Volver

tokenizador

Asignaciones de campos

1	db.minutes.createSearchIndex(
2	"default",
3	{
4	"mappings": {
5	"dynamic": false,
6	"fields": {
7	"page_updated_by": {
8	"type": "document",
9	"dynamic": false,
10	"fields": {
11	"first_name": {
12	"type": "string",
13	"analyzer": "asciiConverter"
14	}
15	}
16	}
17	}
18	},
19	"analyzers": [
20	{
21	"name": "asciiConverter",
22	"tokenizer": {
23	"type": "standard"
24	},
25	"tokenFilters": [
26	{
27	"type": "asciiFolding"
28	}
29	]
30	}
31	]
32	}
33	)

1	db.minutes.createSearchIndex(
2	"default",
3	{
4	"analyzer": "titleAutocomplete",
5	"mappings": {
6	"dynamic": false,
7	"fields": {
8	"title": {
9	"type": "string",
10	"analyzer": "titleAutocomplete"
11	}
12	}
13	},
14	"analyzers": [
15	{
16	"name": "titleAutocomplete",
17	"charFilters": [],
18	"tokenizer": {
19	"type": "standard"
20	},
21	"tokenFilters": [
22	{
23	"type": "icuFolding"
24	},
25	{
26	"type": "edgeGram",
27	"minGram": 4,
28	"maxGram": 7
29	}
30	]
31	}
32	]
33	}
34	)

Campo	Valor
`delimiterOptions.generateWordParts`	true
`delimiterOptions.preserveOriginal`	true

1	db.minutes.createSearchIndex(
2	"default",
3	{
4	"analyzer": "diacriticFolder",
5	"mappings": {
6	"fields": {
7	"text": {
8	"type": "document",
9	"fields": {
10	"sv_FI": {
11	"analyzer": "diacriticFolder",
12	"type": "string"
13	}
14	}
15	}
16	}
17	},
18	"analyzers": [
19	{
20	"name": "diacriticFolder",
21	"charFilters": [],
22	"tokenizer": {
23	"type": "keyword"
24	},
25	"tokenFilters": [
26	{
27	"type": "icuFolding"
28	}
29	]
30	}
31	]
32	}
33	)

1	db.minutes.createSearchIndex(
2	"default",
3	{
4	"analyzer": "textNormalizer",
5	"mappings": {
6	"fields": {
7	"message": {
8	"type": "string",
9	"analyzer": "textNormalizer"
10	}
11	}
12	},
13	"analyzers": [
14	{
15	"name": "textNormalizer",
16	"charFilters": [],
17	"tokenizer": {
18	"type": "whitespace"
19	},
20	"tokenFilters": [
21	{
22	"type": "icuNormalizer",
23	"normalizationForm": "nfkc"
24	}
25	]
26	}
27	]
28	}
29	)

1	db.minutes.createSearchIndex(
2	"default",
3	{
4	"analyzer": "kStemmer",
5	"mappings": {
6	"dynamic": true
7	},
8	"analyzers": [
9	{
10	"name": "kStemmer",
11	"tokenizer": {
12	"type": "standard"
13	},
14	"tokenFilters": [
15	{
16	"type": "lowercase"
17	},
18	{
19	"type": "kStemming"
20	}
21	]
22	}
23	]
24	}
25	)

1	db.minutes.aggregate([
2	{
3	"$search": {
4	"index": "default",
5	"wildcard": {
6	"query": "*example.com",
7	"path": "page_updated_by.email",
8	"allowAnalyzedField": true
9	}
10	}
11	},
12	{
13	"$project": {
14	"_id": 1,
15	"page_updated_by.email": 1
16	}
17	}
18	])

1	{
2	"analyzer": "lucene.keyword",
3	"mappings": {
4	"dynamic": true,
5	"fields": {
6	"page_updated_by": {
7	"type": "document",
8	"fields": {
9	"email": {
10	"type": "string",
11	"analyzer": "emailAutocompleteIndex",
12	"searchAnalyzer": "emailAutocompleteSearch"
13	}
14	}
15	}
16	}
17	},
18	"analyzers": [
19	{
20	"name": "emailAutocompleteIndex",
21	"charFilters": [
22	{
23	"mappings": {
24	"@": "AT"
25	},
26	"type": "mapping"
27	}
28	],
29	"tokenizer": {
30	"maxTokenLength": 15,
31	"type": "whitespace"
32	},
33	"tokenFilters": [
34	{
35	"maxShingleSize": 3,
36	**** "minShingleSize": 2,
37	"type": "shingle"
38	},
39	{
40	"maxGram": 15,
41	"minGram": 2,
42	"type": "edgeGram"
43	}
44	]
45	},
46	{
47	"name": "emailAutocompleteSearch",
48	"charFilters": [
49	{
50	"mappings": {
51	"@": "AT"
52	},
53	"type": "mapping"
54	}
55	],
56	"tokenizer": {
57	"maxTokenLength": 15,
58	"type": "whitespace"
59	}
60	}
61	]
62	}

1	db.minutes.aggregate([
2	{
3	"$search": {
4	"phrase": {
5	"query": "head of the sales",
6	"path": "text.en_US"
7	}
8	}
9	},
10	{
11	"$project": {
12	"_id": 1,
13	"text.en_US": 1
14	}
15	}
16	])

1	[
2	{
3	_id: 1,
4	text: { en_US: '<head> This page deals with department meetings. </head>' }
5	}
6	]