Use analisadores específicos de idioma para criar índices personalizados para um idioma específico. Cada analisador de idioma tem palavras vazias e divisões de palavras integradas com base nos padrões de uso desse idioma.
O MongoDB Search oferece os seguintes analisadores de idioma:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 cjk é um analisador genérico de chinês, Japonês e Coreano
2 kuromoji é um analisador Japonês
3 morfologik é um analyzer polonês
4 nori é um analisador coreano
5 smartcn é um analisador chinês
Exemplos
Considere uma coleção denominada cars com os seguintes documentos:
{ "_id": 1, "subject": { "en": "It is better to equip our cars to understand the causes of the accident.", "fr": "Mieux équiper nos voitures pour comprendre les causes d'un accident.", "he": "עדיף לצייד את המכוניות שלנו כדי להבין את הגורמים לתאונה." } }
{ "_id": 2, "subject": { "en": "The best time to do this is immediately after you've filled up with fuel", "fr": "Le meilleur moment pour le faire c'est immédiatement après que vous aurez fait le plein de carburant.", "he": "הזמן הטוב ביותר לעשות זאת הוא מיד לאחר שמילאת דלק." } }
Exemplo de analisador de idioma integrado
A seguinte definição de índice de exemplo especifica um índice no campo subject.fr utilizando o analisador french :
{ "mappings": { "fields": { "subject": { "fields": { "fr": { "analyzer": "lucene.french", "type": "string" } }, "type": "document" } } } }
A seguinte consulta de pesquisa do MongoDB procura a string pour no campo subject.fr. Para executar esta consulta, conecte-se ao seu cluster usando mongosh e mude para o banco de dados que contém a coleção cars.
db.cars.aggregate([ { $search: { "text": { "query": "pour", "path": "subject.fr" } } }, { $project: { "_id": 0, "subject.fr": 1 } } ])
A query anterior não retorna resultados ao usar o analisador french , pois pour é uma palavra vazia embutida. Usando o analisador standard , a mesma query retornaria os dois documentos.
A seguinte consulta de pesquisa do MongoDB procura a string carburant no campo subject.fr. Para executar esta consulta, conecte-se ao seu cluster usando mongosh e mude para o banco de dados que contém a coleção cars.
db.cars.aggregate([ { $search: { "text": { "query": "carburant", "path": "subject.fr" } } }, { $project: { "_id": 0, "subject.fr": 1 } } ])
A pesquisa do MongoDB retorna um documento com _id: 1 nos resultados porque a query correspondeu a um token que o analisador lucene.french criou para o documento. O analisador lucene.french cria os seguintes tokens para o campo subject.fr no documento com _id: 1:
|
|
|
|
|
|
|
|
|
Exemplo de analisador de idioma personalizado
Você também pode criar índices para idiomas não suportados criando um analisador customizado com os filtros de token icuFolding e stopword .
O exemplo de definição de índice a seguir especifica um índice no campo subject.he usando um analisador personalizado chamado myHebrewAnalyzer para analisar e criar tokens para texto hebraico:
{ "analyzer": "lucene.standard", "mappings": { "dynamic": false, "fields": { "subject": { "fields": { "he": { "analyzer": "myHebrewAnalyzer", "type": "string" } }, "type": "document" } } }, "analyzers": [ { "charFilters": [], "name": "myHebrewAnalyzer", "tokenFilters": [ { "type": "icuFolding" }, { "tokens": [ "אן", "שלנו", "זה", "אל" ], "type": "stopword" } ], "tokenizer": { "type": "standard" } } ] }
A seguinte consulta de pesquisa do MongoDB procura a string המכוניות no campo subject.he. Para executar esta consulta, conecte-se ao seu cluster usando mongosh e mude para o banco de dados que contém a coleção cars.
db.cars.aggregate([ { $search: { "text": { "query": "המכוניות", "path": "subject.he" } } }, { $project: { "_id": 0, "subject.he": 1 } } ])
O MongoDB Search retorna um documento com _id: 1 nos resultados porque a query correspondeu a um token que o analisador myHebrewAnalyzer criou para o documento. O analisador myHebrewAnalyzer cria os seguintes tokens para o campo subject.he no documento com _id: 1:
|
|
|
|
|
|
|
|
|
Exemplo de pesquisa multilíngue
Você também pode criar um índice que usa vários analisadores de linguagem para executar uma pesquisa multilíngue.
A seguinte definição de índice de exemplo especifica um índice com mapeamento dinâmico na coleção sample_mflix.movies. A definição aplica o analisador de idioma lucene.italian para indexar o campo fullplot e usa a opção multi para especificar lucene.english como um analisador de idioma alternativo. O MongoDB Search usa o analisador de idioma lucene.english padrão para todos os outros campos que ele indexa dinamicamente na coleção movies.
{ "analyzer": "lucene.standard", "mappings": { "dynamic": true, "fields": { "fullplot": { "type": "string", "analyzer": "lucene.italian", "multi": { "fullplot_english": { "type": "string", "analyzer": "lucene.english", } } } } } }
A query do MongoDB Search a seguir usa o operador composto para consultar a coleção em vários idiomas. Para executar esta query, conecte-se ao seu cluster usando mongosh e mude para o banco de dados sample_mflix.
O operador composto contém as seguintes cláusulas:
mustcláusula pesquisa tramas de filmes em inglês e italiano que contêm o termoBellausando o operador de textomustNotcláusula exclui filmes lançados entre os anos 1984 a 2016 usando o operador de intervaloshouldcláusula especifica preferência pelo gêneroComedyusando o operador de texto
db.movies.aggregate([ { $search: { "index": "multilingual-tutorial", "compound": { "must": [{ "text": { "query": "Bella", "path": { "value": "fullplot", "multi": "fullplot_english" } } }], "mustNot": [{ "range": { "path": "released", "gt": ISODate("1984-01-01T00:00:00.000Z"), "lt": ISODate("2016-01-01T00:00:00.000Z") } }], "should": [{ "text": { "query": "Comedy", "path": "genres" } }] } } }, { $project: { "_id": 0, "title": 1, "plot": 1, "genres": 1, "runtime": 1, "fullplot": 1, "released": 1, "score": { "$meta": "searchScore" } } } ])