Analizadores Personalizados

Overview

Un analizador de búsqueda de MongoDB prepara un conjunto de documentos para ser indexados realizando una serie de operaciones para transformar, filtrar y agrupar secuencias de caracteres. Puede definir un analizador personalizado para satisfacer sus necesidades específicas de indexación desde la Interfaz de Usuario de Atlas.

Un analizador personalizado de MongoDB Search está compuesto por un tokenizador, una lista opcional de filtros de caracteres y una lista opcional de filtros de tokens. Cuando MongoDB Search analiza texto con un analizador personalizado, el texto pasa primero por los filtros de caracteres, luego por el tokenizador y, por último, por los filtros de tokens.

Sintaxis

Un analizador personalizado tiene la siguiente sintaxis:

"analyzers": [
  {
    "name": "<name>",
    "charFilters": [ <list-of-character-filters> ],
    "tokenizer": {
      "type": "<tokenizer-type>"
    },
    "tokenFilters": [ <list-of-token-filters> ]
  }
]

Atributos

Un analizador personalizado tiene los siguientes atributos:

Plantillas integradas de analizadores personalizados

La Interfaz de Usuario de Atlas Visual Editor incluye la opción de elegir entre las siguientes plantillas de uso común para ayudarle a empezar a crear su analizador personalizado:

• Email Parser - Use this to tokenize email addresses up to 200 characters using the uaxUrlEmail tokenizer. For example, you can apply this analyzer on the page_updated_by.email field in the Example Collection.

• Números de teléfono - Utilízalo para crear un token único a partir de un número de teléfono con formato US utilizando el tokenizador regexCaptureGroup. Por ejemplo, puedes aplicar este analizador al campo page_updated_by.phone de la Colección de ejemplos.

• Dash-Separated IDs - Use this to create tokens from hyphen-delimited text using the regexSplit tokenizer. For example, you can apply this analyzer on the message field in the Example Collection.

You can use these built-in custom analyzers or create your own custom analyzer using the MongoDB Search Visual Editor or JSON Editor.

Colección de ejemplos

Las páginas Filtros de caracteres, Tokenizador para analizadores de búsqueda personalizados y Filtros de token para analizadores personalizados contienen definiciones de índice de muestra y ejemplos de query para filtros de caracteres, tokenizador y filtros de token. Estos ejemplos utilizan una colección de muestra minutes con los siguientes documentos:

{
  "_id": 1,
  "page_updated_by": {
    "last_name": "AUERBACH",
    "first_name": "Siân",
    "email": "auerbach@example.com",
    "phone": "(123)-456-7890"
  },
  "title": "The team's weekly meeting",
  "message": "try to siGn-In",
  "text": {
    "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"
  }
}

{
  "_id": 2,
  "page_updated_by": {
    "last_name": "OHRBACH",
    "first_name": "Noël",
    "email": "ohrbach@example.com",
    "phone": "(123) 456 0987"
  },
  "title": "The check-in with sales team",
  "message": "do not forget to SIGN-IN. See ① for details.",
  "text" : {
    "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"
  }
}

{
  "_id": 3,
  "page_updated_by": {
    "last_name": "LEWINSKY",
    "first_name": "Brièle",
    "email": "lewinsky@example.com",
    "phone": "(123).456.9870"
  },
  "title": "The regular board meeting",
  "message": "try to sign-in",
  "text" : {
    "en_US": "<body>We'll head out to the conference room by noon.</body>"
  }
}

{
  "_id": 4,
  "page_updated_by": {
    "last_name": "LEVINSKI",
    "first_name": "François",
    "email": "levinski@example.com",
    "phone": "123-456-8907"
  },
  "title": "The daily huddle on tHe StandUpApp2",
  "message": "write down your signature or phone №",
  "text" : {
    "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."
  }
}

Obtén más información

Para obtener más información sobre cómo crear tus propios analizadores personalizados, consulta las siguientes páginas de referencia:

• Filtros de Caracteres

• Tokenizador para analizadores de búsqueda personalizados

• Filtro de tokens para analizadores personalizados