Analisadores personalizados

Visão geral

Um analyzer do Atlas Search prepara um conjunto de documentos a ser indexado, realizando uma série de operações para transformar, filtrar e agrupar sequências de caracteres. Você pode definir um analisador personalizado para atender suas necessidades de indexação específicas a partir da interface de usuário do Atlas.

Um analisador personalizado do Atlas Search é composto por um tokenizador, uma lista opcional de filtros de caracteres e uma lista opcional de filtros de token. Quando o Atlas Search analisa o texto com um analisador personalizado, o texto passa primeiro pelos filtros de caracteres, depois pelo tokenizador e depois pelos filtros de token.

Sintaxe

Um analisador personalizado tem a seguinte sintaxe:

Sintaxe

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

Atributos

Um analisador personalizado tem os seguintes atributos:

Atributo	Tipo	Descrição	Obrigatório?
`name`	string	Nome do analisador personalizado. Os nomes devem ser únicos dentro de um índice e não podem começar com nenhuma das seguintes strings: `lucene.` `builtin.` `mongodb.`	sim
`charFilters`	lista de objetos	Array contendo zero ou mais filtros de caracteres. Os filtros de caracteres examinam o texto de um caractere de cada vez e executam operações de filtragem. Para saber mais, consulte Filtros de caracteres.	no
`tokenizer`	objeto	Tokenizer para utilizar para criar tokens. Um analisador usa um tokenizador para divisão chunks de texto em grupos, ou tokens, para fins de indexação. Para saber mais, consulte Tokenizadores.	sim
`tokenFilters`	lista de objetos	Array contendo zero ou mais filtros de token. Um filtro de token executa operações como: Stemming, que reduz palavras relacionadas, como "falar", "falou" e "fala" à sua palavra raiz "falar". Redação, que remove informações confidenciais de documentos públicos. Para saber mais, consulte Filtros de token.	no

Modelos de analisadores personalizados integrados

A UI do Atlas Visual Editor inclui a opção de escolher entre os seguintes modelos de uso comum para ajudar você a começar a criar seu analisador personalizado:

Analisador de e-mail - Use-o para tokenizar endereços de e-mail com até 200 caracteres usando o tokenizador uaxUrlEmail. Por exemplo, você pode aplicar este analisador no campo page_updated_by.email na Coleção de Exemplo.
Números de telefone - Use para criar um único token a partir de um número de telefone formatado nos EUA usando o tokenizador regexCaptureGroup. Por exemplo, você pode aplicar este analisador no campo page_updated_by.phone na Coleção de Exemplo.
IDs separados por Dashlane - Use para criar tokens a partir de texto delimitado por hífen usando o tokenizador regexSplit. Por exemplo, você pode aplicar este analisador no campo message na Coleção de Exemplo.

Você pode usar esses analisadores personalizados internos ou criar seu próprio analisador personalizado usando o Atlas Search Visual Editor ou Editor JSON.

Coleção de exemplos

As páginas Filtros de caracteres, tokenizadores e filtros de token contêm exemplos de index definitions e exemplos de query para filtros de caracteres, tokenizadores e filtros de token. Esses exemplos usam uma amostra da coleção minutes com os seguintes 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."
  }
}

Saiba mais

Para saber mais sobre como criar seus próprios analisadores personalizados, consulte as seguintes páginas de referência:

Observação

Ao adicionar um analisador personalizado usando o Visual Editor na IU do Atlas, a IU do Atlas exibe os seguintes detalhes sobre o analisador na seção Custom Analyzers.

Nome	Etiqueta que identifica o analisador customizado.
Usado em	Campos que usam o analisador customizado. O valor é Nenhum se o analisador customizado não for usado para analisar quaisquer campos.
Filtros de caracteres	Filtros de caracteres do Atlas Search configurados no analisador customizado.
Tokenizador	Tokenizer do Atlas Search configurado no analisador personalizado.
Filtros de token	Filtros de token do Atlas Search configurados no analisador customizado.
Ações	Ícones clicáveis que indicam as ações que você pode executar no analisador customizado. Clique em para editar o analisador customizado. Clique para excluir o analisador customizado.

Voltar

Multi

Filtros de caracteres