Docs 菜单
Docs 主页
/
Atlas
/
MongoDB Search
/
查询和索引
/
索引参考
/
分析器
/
自定义分析器

词元筛选器

词元筛选器执行如下操作：

  • 提取词干，这会将相关词语（例如“talking”、“talked”和“talks”）缩减为词根“talk”。

  • 编辑，这会从公共文档中删除敏感信息。

词元过滤器需要一个类型字段，有些还支持额外的选项。

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

词元过滤器类型

MongoDB Search 支持以下类型的词元过滤：

  • asciiFolding

  • daitchMokotoffSoundex

  • edgeGram

  • englishPossessive

  • flattenGraph

  • icuFolding

  • icuNormalizer

  • kStemming

  • 长度

  • lowercase

  • 正则表达式(Regex)

  • reverse

  • shingle

  • snowballStemming

  • spanishPluralStemming

  • stempel

  • stopword

  • trim

  • wordDelimiterGraph

以下示例索引定义和查询使用名为 的minutes 示例集合。要跟随这些示例，请在集群上加载minutes Create a Search Index集合，并按照创建MongoDB搜索索引教程中的步骤导航到Atlas用户界面中的 页面。然后，选择minutes 集合作为数据源，并按照示例过程从Atlas用户界面或使用mongosh 创建索引。

➤ 使用 Select your language（选择您的语言）下拉菜单设置此页面上示例的语言。

asciiFolding

asciiFolding 词元过滤器将不在基本拉丁语 Unicode 块 中的字母、数字和符号 Unicode 字符转换为等效的 ASCII 字符（如果可用）。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 asciiFolding。

originalTokens

字符串

no

此字符串指定在词元过滤器的输出中是否包含或省略原始词元。值可以是以下值之一：

  • include — 在词元筛选器输出中包含原始词元和转换的词元。如果要支持对原始词元和转换形式的查询，我们建议使用该值。

  • omit — 省略原始词元，仅在词元筛选器输出中包含转换的词元。如果要仅查询原始词元的转换形式，请使用该值。

默认值：omit

例子

以下索引定义使用名为 asciiConverter 的自定义分析器对 minutes 集合中的 page_updated_by.first_name 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 应用 asciiFolding 词元筛选器，以将字段值转换为等效的 ASCII 字符。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 asciiConverter。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 asciiFolding。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分，单击 Add Field Mapping 可对 page_updated_by.first_name字段应用自定义分析器。

  11. 选择 page_updated_by.first_name（位于 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 asciiConverter。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
}
1db.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)

以下查询使用等效的 ASCII 字符在 minutes 集合的 first_name 字段中搜索名称。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

{
  "$search": {
    "index": "default",
    "text": {
      "query": "Sian",
      "path": "page_updated_by.first_name"
    }
  }
}
SCORE: 0.5472603440284729 _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Cette page traite des réunions de département"
db.minutes.aggregate([
  {
    "$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 在结果中返回包含 _id: 1 的文档，因为MongoDB Search 为文档中的 page_updated_by.first_name字段创建了以下词元（可搜索词语），然后使用该词元与查询术语Sian 进行匹配：

字段名称
输出词元

page_updated_by.first_name

Sian

daitchMokotoffSoundex

The daitchMokotoffSoundex 词元过滤根据Daitch-Mokotoff Soundex语音算法为发音相同的单词创建词元。此过滤可以为每个输入生成多个编码，其中每个编码的词元是一个 6 位数字。

注意

不要在以下位置中使用 daitchMokotoffSoundex 词元筛选器：

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 daitchMokotoffSoundex。

originalTokens

字符串

no

此字符串指定在词元过滤器的输出中是否包含或省略原始词元。值可以是以下值之一：

  • include — 在词元筛选器输出中包含原始词元和编码的词元。如果要查询原始词元以及编码形式，我们建议使用该值。

  • omit — 省略原始词元，仅在词元筛选器输出中包含编码的词元。如果要仅查询原始词元的编码形式，请使用该值。

默认值：include

例子

以下索引定义使用名为 dmsAnalyzer 的自定义分析器对 minutes 集合中的 page_updated_by.last_name 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 应用 daitchMokotoffSoundex 词元过滤器，对发音相同的单词的标记进行编码。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 dmsAnalyzer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉菜单中选择 daitchMokotoffSoundex，然后为 originalTokens 字段选择下表中显示的值：

    字段
    值

    originalTokens

    include

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分，单击 Add Field Mapping 可对 page_updated_by.last_name字段应用自定义分析器。

  11. 选择 page_updated_by.last_name（位于 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 dmsAnalyzer。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
}
1db.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)

以下查询在分钟集合的 page_updated_by.last_name 字段中搜索听起来类似于 AUERBACH 的词语。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

{
  "$search": {
    "index": "default",
    "text": {
      "query": "AUERBACH",
      "path": "page_updated_by.last_name"
    }
  }
}
SCORE: 0.568153440952301  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Den här sidan behandlar avdelningsmöten"
    fr_CA: "Cette page traite des réunions de département"
SCORE: 0.521163284778595  _id:  "2"
  message: "do not forget to SIGN-IN. See ① for details."
  page_updated_by: Object
    last_name: "OHRBACH"
    first_name: "Noël"
    email: "ohrbach@example.com"
    phone: "(123) 456 0987"
  text: Object
    en_US: "The head of the sales department spoke first."
    fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
    sv_FI: "Först talade chefen för försäljningsavdelningen"
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 1 和 _id: 2 的文档，因为两个文档中的词语在语音上相似，并使用相同的 6 位数字（097400 和 097500）进行编码。下表显示了MongoDB Search 为结果中的文档创建的词元（可搜索词语和六位数字编码）：

文档 ID
输出词元

"_id": 1

AUERBACH, 097400 , 097500

"_id": 2

OHRBACH, 097400 , 097500

edgeGram

edgeGram 词元筛选器将文本输入左侧（或“边缘”）的输入拆分为 n 个配置大小的词语。

注意

通常，词元筛选器的运行方式与管道类似，每个输入词元生成不超过一个输出词元，然后将其输入到后续词元中。相比之下，edgeGram 词元过滤是一种图形生成过滤，可从单个输入词元中生成多个输出词元。

由于 synonym 和 autocomplete 字段类型映射定义仅在与非图表生成词元过滤器一起使用时才有效，因此，您无法在 synonym 或 autocomplete 字段类型映射定义中使用 edgeGram 词元过滤器。

对于使用regex（MongoDB搜索操作符）或wildcard 操作符进行查询，您不能将 edgeGram 词元过滤用作 searchAnalyzer，因为它为每个输入词元生成多个输出词元。在索引定义中指定不同的分析器作为 searchAnalyzer。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 edgeGram。

minGram

整型

是

指定生成的 n 个词语的最小长度的数字。值必须小于或等于 maxGram。

maxGram

整型

是

指定生成的 n 个词语的最大长度的数字。值必须大于或等于 minGram。

termNotInBounds

字符串

no

字符串，用于指定对短于 minGram 或长于 maxGram 的令牌创建索引。接受的值为：

  • include

  • omit

如果指定了 include，比 minGram 短或比 maxGram长的词元将按原样进行索引。如果指定了 omit，则不会对这些词元进行索引。

默认值：omit

例子

以下索引定义使用名为 titleAutocomplete 的自定义分析器对 minutes 集合中的 title 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下筛选器应用于词元：

    • icuFolding 词元筛选器，用于将字符折叠应用于词元。

    • edgeGram 词元筛选器，用于从左侧创建 4 到 7 个字符长的词元。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 titleAutocomplete。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 icuFolding，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 edgeGram，然后在字段中输入下表中显示的值：

    字段
    值

    minGram

    4

    maxGram

    7

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  13. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 titleAutocomplete。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 title 字段中搜索以 mee 开头并后跟任意数量的其他字符的词语。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

{
  "$search": {
    "wildcard": {
      "query": "mee*",
      "path": "title",
      "allowAnalyzedField": true
    }
  }
}
SCORE: 1  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
    last_name: "AUERBACH"
    first_name: "Siân"
    email: "auerbach@example.com"
    phone: "(123)-456-7890"
  text: Object
    en_US: "<head> This page deals with department meetings.</head>"
    sv_FI: "Den här sidan behandlar avdelningsmöten"
    fr_CA: "Cette page traite des réunions de département"
SCORE: 1  _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
    last_name: "LEWINSKY"
    first_name: "Brièle"
    email: "lewinsky@example.com"
    phone: "(123).456.9870"
  text: Object
    en_US: "<body>We'll head out to the conference room by noon.</body>"
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 1 和 _id: 3 的文档，因为这些文档包含与查询条件匹配的术语meeting。具体来说， MongoDB Search 会为结果中的文档创建以下 4 到 7 字符词元（可搜索词语），然后将其与查询术语mee* 进行匹配：

文档 ID
输出词元

"_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

englishPossessive 词元筛选器从词语中删除所有格（末尾的 's）。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 englishPossessive。

例子

以下索引定义使用名为 englishPossessiveStemmer 的自定义分析器对 minutes 集合中的 title 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元（搜索词语）。

  2. 应用englishPossessive 词元筛选器从词元中删除所有格（末尾的's ）。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 englishPossessiveStemmer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 englishPossessive。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  11. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 englishPossessiveStemmer。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "mappings": {
    "fields": {
      "title": {
        "type": "string",
        "analyzer": "englishPossessiveStemmer"
      }
    }
  },
  "analyzers": [
    {
      "name": "englishPossessiveStemmer",
      "charFilters": [],
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "englishPossessive"
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 title 字段中搜索词语 team。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

{
  "$search": {
    "index": "default",
    "text": {
      "query": "team",
      "path": "title"
    }
  }
}
SCORE: 0.34314215183258057  _id:  "1"
  message: "try to siGn-In"
  page_updated_by: Object
  text: Object
SCORE: 0.29123833775520325  _id:  "2"
  message: "do not forget to SIGN-IN. See ① for details."
  page_updated_by: Object
  text: Object
db.minutes.aggregate([
  {
    "$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 返回在 title字段中包含术语team 的结果。MongoDB Search 返回包含 _id: 1 的文档，因为MongoDB Search 在分析过程中将 title字段中的 team's 转换为词元 team。具体来说， MongoDB Search 为结果中的文档创建以下词元（可搜索词语），然后将其与查询术语进行匹配：

文档 ID
输出词元

"_id": 1

The, team , weekly , meeting

"_id": 2

The, check , in , with , sales , team

flattenGraph

flattenGraph 词元过滤器将词元过滤器图表转换为适合编制索引的平面形式。如果使用 wordDelimiterGraph 词元过滤器，请在 wordDelimiterGraph 词元过滤器后面使用该过滤器。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 flattenGraph。

例子

以下索引定义使用名为 wordDelimiterGraphFlatten 的自定义分析器为分钟集合中的 message 字段编制索引。自定义分析器指定以下内容：

  1. 应用空格分词器，以根据词语之间出现的空格创建词元。

  2. 将以下过滤器应用于词元：

    • wordDelimiterGraph 词元筛选器，用于根据子词拆分词元，为原始词生成词元，并保护词SIGN_IN免遭分隔。

    • flattenGraph 词元过滤器，用于将词元扁平化为平面形式。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 wordDelimiterGraphFlatten。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 whitespace。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉菜单中选择 wordDelimiterGraph，并为词元筛选器配置以下字段。

    1. 选择以下字段：

      字段
      值

      delimiterOptions.generateWordParts

      true

      delimiterOptions.preserveOriginal

      true

    2. 在 protectedWords.words 字段中输入 SIGN_IN。

    3. 选择 protectedWords.ignoreCase 。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add token filter 可添加另一个词元筛选器。

  10. 从下拉列表中选择 flattenGraph。

  11. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  12. 单击 Add 可创建自定义分析器。

  13. 在 Field Mappings 部分中，单击 Add Field Mapping 以在message（消息）字段上应用自定义分析器。

  14. 从 Field Name 下拉列表中选择 message（消息），并从 Data Type 下拉列表中选择String（字符串）。

  15. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 wordDelimiterGraphFlatten。

  16. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 message 字段中搜索词语 sign。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

{
  "$search": {
    "index": "default",
    "text": {
      "query": "sign",
      "path": "message"
    }
  }
}
SCORE: 0.6763891577720642 _id:  "3"
  message: "try to sign-in"
  page_updated_by: Object
  text: Object
db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "sign",
        "path": "message"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "message": 1
    }
  }
])
[
  {
    _id: 3,
    message: 'try to sign-in'
  }
]

MongoDB Search 在查询术语sign 的结果中返回包含 _id: 3 的文档，即使该文档在 title字段中包含带连字符的术语sign-in。wordDelimiterGraph 词元过滤创建词元过滤图表，而 flattenGraph 词元过滤将词元过滤图表转换为适合索引的平面形式。具体来说， MongoDB Search 会为结果中的文档创建以下词元（可搜索词语），然后将其与查询术语sign 进行匹配：

文档 ID

输出词元

_id: 3

try, to , sign-in , sign , in

icuFolding

icuFolding 词元过滤应用 Unicode 技术报告 #30 中的字符折叠，例如删除重音、大小写折叠、规范重复项折叠以及报告中详细说明的许多其他内容。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 icuFolding。

例子

以下索引定义使用名为 diacriticFolder 的自定义分析器对 minutes 集合中的 text.sv_FI 字段进行索引。自定义分析器指定以下内容：

  1. 应用关键字分词器，以将字符串字段中的所有词语作为单个词语进行分词。

  2. 使用 icuFolding 词元筛选器应用折叠，例如删除重音、大小写折叠、规范重复项折叠等。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 diacriticFolder。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 keyword。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 icuFolding。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.sv_FI嵌套字段应用自定义分析器。

  11. 选择 text.sv_FI（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 diacriticFolder。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "analyzer": "diacriticFolder",
  "mappings": {
    "fields": {
      "text": {
        "type": "document",
        "fields": {
          "sv_FI": {
            "analyzer": "diacriticFolder",
            "type": "string"
          }
        }
      }
    }
  },
  "analyzers": [
    {
      "name": "diacriticFolder",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "icuFolding"
        }
      ]
    }
  ]
}
1db.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)

以下查询使用 wildcard 操作符在 minutes 集合的 text.sv_FI 字段中搜索所有包含词语 avdelning（前后具有任意数量的其他字符）的词语。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "wildcard": {
          "query": "*avdelning*",
          "path": "text.sv_FI",
          "allowAnalyzedField": true
        }
      }
    }
    SCORE: 1  _id:  "1"
     message: "try to siGn-In"
     page_updated_by: Object
     text: Object
       en_US: "<head> This page deals with department meetings.</head>"
       sv_FI: "Den här sidan behandlar avdelningsmöten"
       fr_CA: "Cette page traite des réunions de département"
    SCORE: 1  _id:  "2"
     message: "do not forget to SIGN-IN. See ① for details."
     page_updated_by: Object
     text: Object
       en_US: "The head of the sales department spoke first."
       fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
       sv_FI: "Först talade chefen för försäljningsavdelningen"
db.minutes.aggregate([
  {
    "$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 在结果中返回具有 _id: 1 和 _id: 2 的文档，因为这些文档包含查询术语avdelning，在具有 _id: 1 的文档中后跟其他字符，在文档_id: 2。具体来说， MongoDB Search 为结果中的文档创建以下词元，然后将其与查询术语*avdelning* 进行匹配。

文档 ID
输出词元

_id: 1

den har sidan behandlar avdelningsmoten

_id: 2

forst talade chefen for forsaljningsavdelningen

icuNormalizer

icuNormalizer 词元过滤使用标准Unicode 规范化模式。对词元进行规范化。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 icuNormalizer。

normalizationForm

字符串

no

要应用的规范化形式。接受的值为：

  • nfd （规范分解）

  • nfc （规范分解，然后是规范组合）

  • nfkd （兼容性分解）

  • nfkc （兼容性分解，然后是规范组合）

要学习；了解有关支持的规范化形式的详情，请参阅部分 1.2：规范化形式，UTR#15。

默认值：nfc

例子

以下索引定义使用名为 textNormalizer 的自定义分析器对 minutes 集合中的 message 字段进行索引。自定义分析器指定以下内容：

  1. 使用空格分词器根据词之间出现的空格创建标记。

  2. 使用 icuNormalizer 词元筛选器，通过兼容性分解和随后的规范组合对词元进行规范化。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 textNormalizer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 whitespace。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉菜单中选择 icuNormalizer，然后从 normalizationForm 下拉菜单中选择 nfkc。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分中，单击 Add Field Mapping 以在message（消息）字段上应用自定义分析器。

  11. 从 Field Name 下拉列表中选择 message（消息），并从 Data Type 下拉列表中选择String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 textNormalizer。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "analyzer": "textNormalizer",
  "mappings": {
    "fields": {
      "message": {
        "type": "string",
        "analyzer": "textNormalizer"
      }
    }
  },
  "analyzers": [
    {
      "name": "textNormalizer",
      "charFilters": [],
      "tokenizer": {
        "type": "whitespace"
      },
      "tokenFilters": [
        {
          "type": "icuNormalizer",
          "normalizationForm": "nfkc"
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 message 字段中搜索词语 1。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "1",
          "path": "message"
        }
      }
    }
    SCORE: 0.4342196583747864 _id:  "2"
     message: "do not forget to SIGN-IN. See ① for details."
     page_updated_by: Object
     text: Object
db.minutes.aggregate([
  {
    "$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搜索会在查询术语1 的结果中返回包含 _id: 2 的文档，即使该文档在 message字段中包含带圆圈的数字 ①，因为 icuNormalizer 词元过滤会为以下内容创建词元 1：此字符使用 nfkc 规范化形式。下表显示了MongoDB Search 使用 nfkc 规范化形式为结果中的文档创建的词元（可搜索词语），并比较了它为其他规范化形式创建的词元。

规范化形式

输出词元

matches 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.

√

kStemming

kStemming 词元筛选器将算法词干提取与内置的英语词典结合使用，以提取词语的词干。它要求使用小写文本，而不会修改大写文本。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 kStemming。

例子

以下索引定义使用名为 kStemmer 的自定义分析器对 minutes 集合中的 text.en_US 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下筛选器应用于词元：

    • lowercase 词元过滤器，用于将词元转换为小写。

    • kStemming 词元过滤器，它结合使用算法词干提取和内置的英语词典以提取词语的词干。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 kStemmer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉列表中选择 kStemming。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.en_US嵌套字段应用自定义分析器。

  13. 选择 text.en_US（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 kStemmer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "analyzer": "kStemmer",
  "mappings": {
    "dynamic": true
  },
  "analyzers": [
    {
      "name": "kStemmer",
      "tokenizer": {
        "type": "standard"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        },
        {
          "type": "kStemming"
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 text.en_US 字段中搜索词语 Meeting。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "Meeting",
          "path": "text.en_US"
        }
      }
    }
    SCORE: 0.5960260629653931 _id:  "1"
     message: "try to siGn-In"
     page_updated_by: Object
     text: Object
       en_US: "<head> This page deals with department meetings.</head>"
       sv_FI: "Den här sidan behandlar avdelningsmöten"
       fr_CA: "Cette page traite des réunions de département"
db.minutes.aggregate([
 {
    "$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 返回包含 _id: 1 的文档，其中包含小写的复数术语meetings。MongoDB Search 将查询术语与文档进行匹配，因为 lowercase 词元过滤将词元文本规范化为小写，而 kStemming 词元过滤允许MongoDB Search 将文档text.en_US字段中的复数 meetings 与单数查询术语进行匹配。MongoDB Search 还使用索引分析器（如果指定，则使用 searchAnalyzer）分析查询术语。具体来说， MongoDB Search 会为结果中的文档创建以下词元（可搜索词语），然后使用这些词元与查询术语进行匹配：

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

长度

length 词元筛选器删除太短或太长的词元。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 length。

min

整型

no

指定词元的最大长度的数字。值必须小于或等于 max。

默认值：0

max

整型

no

指定词元的最大长度的数字。值必须大于或等于 min。

默认值：255

例子

以下索引定义使用名为 longOnly 的自定义分析器对 minutes 集合中的 text.sv_FI 字段进行索引。自定义分析器指定以下内容：

  1. 使用标准分词器，以根据分词规则创建词元。

  2. 将以下筛选器应用于词元：

    • icuFolding 词元过滤器，用于应用字符折叠。

    • length 词元筛选器，它仅对分词后至少为 20 个 UTF-16 代码单元长的词元进行索引。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 longOnly。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 icuFolding，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 length 并为词元筛选器配置以下字段：

    字段
    值

    min

    20

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.sv.FI 嵌套字段应用自定义分析器。

  13. 从 Field Name 下拉菜单中选择嵌套的 text.sv.FI，并从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 longOnly。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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
        }
      ]
    }
  ]
}
1db.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)

以下查询在 minutes 集合的 text.sv_FI 字段中搜索词语 forsaljningsavdelningen。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "forsaljningsavdelningen",
          "path": "text.sv_FI"
        }
      }
    }
    SCORE: 0.13076457381248474  _id:  "2"
     message: "do not forget to SIGN-IN. See ① for details."
     page_updated_by: Object
     text: Object
       en_US: "The head of the sales department spoke first."
       fa_IR: "ابتدا رئیس بخش فروش صحبت کرد"
       sv_FI: "Först talade chefen för försäljningsavdelningen"
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 2 的文档，其中包含术语försäljningsavdelningen。MongoDB Search 将文档与查询术语进行匹配，因为该术语超过 20 个字符。此外，虽然查询术语forsaljningsavdelningen 不包含变音符号，但MongoDB Search 通过折叠文档中原始术语的变音符号来将查询术语与文档进行匹配。具体来说， MongoDB搜索为包含 _id: 2 的文档创建以下词元（可搜索词）。

forsaljningsavdelningen

MongoDB Search 不会返回集合中 text.sv_FI字段中任何其他术语的搜索结果，因为该字段中的所有其他词语的字符数都少于 20。

lowercase

lowercase 词元筛选器将词元文本规范化为小写。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 lowercase。

示例

以下示例索引定义使用 nGram 分词策略为 minutes 集合中的 title 字段构建 autocomplete 类型的索引。它会对 title 字段应用名为 keywordLowerer 的自定义分析器。自定义分析器指定以下内容：

  1. 应用关键字分词器为字符串或字符串数组创建单个词元。

  2. 应用 lowercase 词元筛选器将词元文本转换为小写。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 keywordLowerer。

  4. 如果 Tokenizer 已折叠，请将其展开，然后从下拉菜单中选择 keyword。

  5. 展开 Token Filters，然后单击 Add token filter。

  6. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  7. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  8. 从 Field Name 下拉菜单中选择 title（标题），并从 Data Type 下拉菜单中选择 Autocomplete（自动完成）。

  9. 在数据类型的属性部分中，从属性的下拉菜单中选择以下值：

    属性名称
    值

    Analyzer

    keywordLowerer

    Tokenization

    nGram

  10. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下内容：

{
  "mappings": {
    "fields": {
      "title": {
        "analyzer": "keywordLowerer",
        "tokenization": "nGram",
        "type": "autocomplete"
      }
    }
  },
  "analyzers": [
    {
      "name": "keywordLowerer",
      "charFilters": [],
      "tokenizer": {
        "type": "keyword"
      },
      "tokenFilters": [
        {
          "type": "lowercase"
        }
      ]
    }
  ]
}
1db.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)

以下查询使用 autocomplete 操作符在 title 字段中搜索字符 standup。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "autocomplete": {
          "query": "standup",
          "path": "title"
        }
      }
    }
    SCORE: 0.9239386320114136 _id:  “4”
     message: "write down your signature or phone №"
     page_updated_by: Object
     text: Object
db.minutes.aggregate([
 {
    "$search": {
      "index": "default",
      "autocomplete": {
        "query": "standup",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])
[ { _id: 4, title: 'The daily huddle on tHe StandUpApp2' } ]

MongoDB Search 返回结果中包含 _id: 4 的文档，因为该文档包含查询术语standup。MongoDB Search 使用 keyword 分词器、lowercase 词元过滤和 自动完成 类型的 nGram 分词策略为 title 字段创建词元。具体来说， MongoDB Search 使用 keyword分词器将整个字符串分词为单个词元，该词元仅支持整个字符串的精确匹配，然后使用 lowercase 词元过滤将词元转换为小写。 对于结果中的文档， MongoDB Search 使用自定义分析器创建以下词元：

文档 ID

输出词元

_id: 4

the daily huddle on the standupapp2

应用自定义分析器后， MongoDB搜索会创建更多 n 元语法词元，因为MongoDB搜索会将 title字段索引为索引定义中指定的自动完成类型。MongoDB Search 使用 n 元语法的词元（其中包括 standup 的词元）来将文档与查询术语standup 进行匹配。

以下索引定义使用名为 lowerCaser 的自定义分析器对 minutes 集合中的 message 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下筛选器应用于词元：

    • icuNormalizer 使用标准 Unicode 规范化模式对词元进行规范化。

    • lowercase 词元过滤器，用于将词元文本转换为小写。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 lowerCaser。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉菜单中选择 icuNormalizer，然后从 normalizationForm 下拉菜单中选择 nfkd。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add token filter 可添加另一个词元筛选器。

  10. 从下拉列表中选择 lowercase。

  11. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  12. 单击 Add 可创建自定义分析器。

  13. 在 Field Mappings 部分中，单击 Add Field Mapping 以在message（消息）字段上应用自定义分析器。

  14. 从 Field Name 下拉列表中选择 message（消息），并从 Data Type 下拉列表中选择String（字符串）。

  15. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 lowerCaser。

  16. 单击 Add，然后单击 Save Changes。

{
   "mappings": {
   "fields": {
       "message": {
       "type": "string",
       "analyzer": "lowerCaser"
       }
   }
   },
   "analyzers": [
   {
       "name": "lowerCaser",
       "charFilters": [],
       "tokenizer": {
       "type": "standard"
       },
       "tokenFilters": [
       {
           "type": "icuNormalizer",
           "normalizationForm": "nfkd"
       },
       {
           "type": "lowercase"
       }
       ]
   }
   ]
}
1db.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)

以下查询在message字段中搜索sign-in一词。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "sign-in",
          "path": "message"
        }
      }
    }
    SCORE: 0.37036222219467163  _id:  "1"
      message: "try to siGn-In"
      page_updated_by: Object
     text: Object
    SCORE: 0.37036222219467163  _id:  "3"
      message: "try to sign-in"
      page_updated_by: Object
      text: Object
    SCORE: 0.2633555233478546   _id:  "2"
      message: "do not forget to SIGN-IN. See ① for details."
      page_updated_by: Object
      text: Object
db.minutes.aggregate([
  {
    "$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 在查询术语sign-in 的结果中返回包含 _id: 1、_id: 3 和 _id: 2 的文档，因为 icuNormalizer分词器首先通过拆分文本（包括带连字符的单词）来创建单独的词元，但保留文档中的原始字母大小写，然后 lowercase 词元过滤将这些词元转换为小写。MongoDB Search 还使用索引分析器（或者，如果指定，则使用 searchAnalyzer）分析查询术语，分割查询术语并将其与文档匹配。

规范化形式

输出词元

_id: 1

try, to , sign , in

_id: 3

try, to , sign , in

_id: 2

do, not, forget, to, sign, in, see, for, details

nGram

nGram 词元过滤器将输入拆分为 n 个配置大小的词语。您无法在 synonym 或 autocomplete 映射定义中使用 nGram 词元过滤器。

注意

对于使用regex（MongoDB搜索操作符）或wildcard 操作符进行查询，您不能将 ngram 词元过滤用作 searchAnalyzer，因为它为每个输入词元生成多个输出词元。在索引定义中指定不同的分析器作为 searchAnalyzer。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 nGram。

minGram

整型

是

指定生成的 n 个词语的最小长度的数字。值必须小于或等于 maxGram。

maxGram

整型

是

指定生成的 n 个词语的最大长度的数字。值必须大于或等于 minGram。

termNotInBounds

字符串

no

字符串，用于指定对短于 minGram 或长于 maxGram 的令牌创建索引。接受的值为：

  • include

  • omit

如果指定了 include，比 minGram 短或比 maxGram长的词元将按原样进行索引。如果指定了 omit，则不会对这些词元进行索引。

默认值：omit

例子

以下索引定义使用名为 titleAutocomplete 的自定义分析器为分钟集合中的 title字段编制索引。它将关键字分析器指定为 searchAnalyzer。自定义分析器函数指定以下内容：

  1. 应用标准分词器以根据分词规则创建词元。

  2. 将一系列词元筛选器应用于词元：

    • englishPossessive 从词语中删除所有格（末尾的 's）。

    • nGram 将词语拆分为 4 到 7 个字符长的词语。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 titleAutocomplete。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 englishPossessive，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 nGram 并为词元筛选器配置以下字段：

    字段
    值

    minGram

    4

    maxGram

    7

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  13. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 titleAutocomplete。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
 "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
        }
      ]
    }
  ]
}
1db.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)

以下查询使用 wildcard 操作符在 minutes 集合的 title 字段中搜索词语 meet，该词语后面具有任意数量的其他字符。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "wildcard": {
          "query": "meet*",
          "path": "title",
          "allowAnalyzedField": true
        }
      }
    }
    SCORE: 1  _id:  "1"
      message: "try to siGn-In"
      page_updated_by: Object
      text: Object
      title: "The team's weekly meeting"
    SCORE: 1  _id:  "3"
      message: "try to sign-in"
      page_updated_by: Object
      text: Object
      title: "The regular board meeting"
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 1 和 _id: 3 的文档，因为这些文档包含术语meeting， MongoDB Search 通过创建以下词元（可搜索词语）将其与查询条件 meet* 进行匹配。

规范化形式
输出词元

_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

注意

MongoDB Search 不会为少于 4 个字符（例如 the）和多于 7 个字符的词语创建词元，因为 termNotInBounds 参数默认设立为 omit。如果将 termNotInBounds 参数的值设立为 include， MongoDB Search 也会为术语the 创建词元。

porterStemming

porterStemming 词元筛选器使用 porter 词干提取算法，从英语词语中删除常见的形态后缀和屈折后缀。它要求使用小写文本，对于大写文本无效。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 porterStemming。

例子

以下索引定义使用名为 porterStemmer 的自定义分析器对 minutes 集合中的 title 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下词元筛选器应用于词元：

    • lowercase 词元过滤器，用于将词语转换为小写。

    • porterStemming 词元过滤器，用于从词语中删除常见的形态后缀和屈折后缀。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 porterStemmer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉列表中选择 porterStemming。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  13. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 porterStemmer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 title 字段中搜索词语 Meet。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "Meet",
          "path": "title"
        }
      }
    }
    SCORE: 0.34314215183258057  _id:  “1”
     message: "try to siGn-In"
     page_updated_by: Object
     text: Object
    SCORE: 0.34314215183258057  _id:  “3”
     message: "try to sign-in"
     page_updated_by: Object
     text: Object
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 1 和 _id: 3 的文档，因为小写词元过滤将词元文本规范化为小写，然后 porterStemming 词元过滤从 meeting 词元中提取形态后缀以创建 meet 词元，这MongoDB Search 与查询术语Meet 匹配。具体来说， MongoDB Search 为结果中的文档创建以下词元（可搜索词语），然后将其与查询术语Meet 进行匹配：

规范化形式
输出词元

_id: 1

the, team' , weekli , meet

_id: 3

the, regular , board , meet

正则表达式(Regex)

regex 词元过滤器将具有 Java 正则表达式语法 的正则表达式应用于每个词元，以将匹配项替换为指定的字符串。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器的人类可读标签。值必须是 regex。

pattern

字符串

是

应用于每个词元的正则表达式模式。

replacement

字符串

是

替换字符串，用于在出现匹配模式时进行替换。

如果指定空字符串 ("") 以忽略或删除词元， MongoDB Search 将创建一个包含空字符串的词元。 要删除包含空字符串的词元，请在 regex 词元过滤后面使用停用词词元过滤。示例：

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

matches

字符串

是

可接受的值为：

  • all

  • first

如果 matches 设置为 all，则替换所有匹配的模式。否则，仅替换第一个匹配的模式。

例子

以下索引定义使用名为 emailRedact 的自定义分析器对 minutes 集合中的 page_updated_by.email 字段进行索引。自定义分析器指定以下内容：

  1. 应用关键字分词器，以将字段值中的所有词语作为单个词语进行索引。

  2. 将以下词元筛选器应用于词元：

    • lowercase 词元过滤器，用于将词元中的大写字符转换为小写。

    • regex 词元筛选器，用于查找词元中看起来像电子邮件地址的字符串，并将其替换为词语 redacted。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 emailRedact。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 keyword。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 regex 并为词元筛选器配置以下内容：

    1. 在 pattern 字段中输入 ^([a-z0-9_\\.-]+)@([\\da-z\\.-]+)\\.([a-z\\.]{2,5})$。

    2. 在 replacement 字段中输入 redacted。

    3. 从 matches 下拉列表中选择 all。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 page_updated_by.email 嵌套字段应用自定义分析器。

  13. 从 Field Name 下拉菜单中选择嵌套的 page_updated_by.email，并从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 emailRedact。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询使用 wildcard 操作符在 minutes 集合的 page_updated_by.email 字段中搜索前面带有任意数量的其他字符的词语 example.com。

1db.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])

尽管 page_updated_by.email字段在电子邮件地址中包含单词 example.com，但MongoDB Search 不会返回任何查询结果。MongoDB Search 将与自定义分析器中提供的正则表达式匹配的字符串标记为单词 redacted，因此MongoDB Search 不会将查询术语与任何文档相匹配。

reverse

reverse 词元筛选器颠倒每个字符串词元的顺序。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器的人类可读标签。值必须是 reverse。

例子

以下索引定义使用名为 keywordReverse 的自定义分析器对 minutes 集合中的 page_updated_by.email 字段进行索引。该自定义分析器指定以下内容：

  • 应用关键字分词器，以将整个字符串作为单个词语进行分词。

  • 应用 reverse 词元筛选器以颠倒字符串词元的顺序。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 reverseAnalyzer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 reverse。

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  11. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 reverseAnalyzer。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询使用 wildcard 操作符搜索 minutes 集合中的 page_updated_by.email 字段，以按倒序匹配字符 @example.com 前面的任何字符。reverse 词元筛选器可以加快前导通配符查询的速度。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$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' } }
      ]

对于前面的查询， MongoDB Search 将自定义分析器应用于通配符查询，以将查询转换如下：

moc.elpmaxe@*

然后， MongoDB Search 针对索引的词元运行查询，这些词元也是倒序的。具体来说， MongoDB Search 为结果中的文档创建以下词元（可搜索词语），然后将其与查询术语moc.elpmaxe@* 进行匹配：

规范化形式
输出词元

_id: 1

moc.elpmaxe@hcabreua

_id: 2

moc.elpmaxe@kcabrho

_id: 3

moc.elpmaxe@yksniwel

_id: 4

moc.elpmaxe@iksnivel

shingle

shingle 词元筛选器通过一系列词元构建 shingle（拆分为 n 个词语）。您无法在 synonym 或 autocomplete 映射定义中使用 shingle 词元筛选器。

注意

对于使用regex（MongoDB搜索操作符）或wildcard 操作符进行查询，您不能将 shingle 词元过滤用作 searchAnalyzer，因为它为每个输入词元生成多个输出词元。在索引定义中指定不同的分析器作为 searchAnalyzer。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 shingle。

minShingleSize

整型

是

每个 shingle 的最小词元数。必须大于或等于 2 且小于或等于 maxShingleSize。

maxShingleSize

整型

是

每个 shingle 的最大词元数。必须大于或等于 minShingleSize

例子

以下关于 分钟 集合中的 page_updated_by.email字段的索引定义示例使用两个自定义分析器 emailAutocompleteIndex 和 emailAutocompleteSearch 来实现类似自动完成的功能。MongoDB Search 在索引创建期间使用 emailAutocompleteIndex分析器执行以下操作：

  • 将字段中的 @ 字符替换为 AT

  • 使用空格分词器创建词元

  • Shingle 词元

  • 创建这些shingle 词元的 edgeGram

MongoDB Search 在搜索期间使用 emailAutocompleteSearch分析器执行以下操作：

  • 将字段中的 @ 字符替换为 AT

  • 使用空格分词器创建词元

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 emailAutocompleteIndex。

  4. 展开 Character Filters，然后单击 Add character filter。

  5. 从下拉菜单中选择 mapping，然后点击 Add mapping。

  6. 输入以下键和值：

    键
    值

    @

    AT

  7. 单击 Add character filter 可将字符筛选器添加到自定义分析器中。

  8. 如果 Tokenizer 已折叠，请将其展开。

  9. 从下拉菜单中选择 whitespace，并在 maxTokenLength 字段中输入 15。

  10. 展开 Token Filters，然后单击 Add token filter。

  11. 从下拉菜单中选择 shingle，然后配置以下字段。

    字段
    字段值

    minShingleSize

    2

    minShingleSize

    3

  12. 单击 Add token filter 可添加另一个词元筛选器。

  13. 单击 Add token filter 可添加另一个词元筛选器。

  14. 从下拉菜单中选择 edgeGram 并为词元筛选器配置以下字段：

    字段
    字段值

    minGram

    2

    maxGram

    15

  15. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  16. 单击 Add，将自定义分析器添加到索引。

  17. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  18. 选择 Create Your Own 单选按钮并单击 Next。

  19. 在 Analyzer Name 字段中输入 emailAutocompleteSearch。

  20. 展开 Character Filters，然后单击 Add character filter。

  21. 从下拉菜单中选择 mapping，然后点击 Add mapping。

  22. 输入以下键和值：

    键
    值

    @

    AT

  23. 单击 Add character filter 可将字符筛选器添加到自定义分析器中。

  24. 如果 Tokenizer 已折叠，请将其展开。

  25. 从下拉菜单中选择 whitespace，并在 maxTokenLength 字段中输入 15。

  26. 单击 Add，将自定义分析器添加到索引。

  27. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 page_updated_by.email 嵌套字段应用自定义分析器。

  28. 从 Field Name 下拉菜单中选择嵌套的 page_updated_by.email，并从 Data Type 下拉菜单中选择 String（字符串）。

  29. 在数据类型的属性部分中，从 Index Analyzer 下拉菜单中选择 emailAutocompleteIndex，并从 Search Analyzer 下拉菜单中选择 emailAutocompleteSearch。

  30. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

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"
      }
    }
  ]
})

以下查询在 minutes 集合的 page_updated_by.email 字段中搜索电子邮件地址：

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "auerbach@ex",
          "path": "page_updated_by.email"
        }
      }
    }
    SCORE: 0.8824931383132935  _id:  "1"
     message: "try to siGn-In"
     page_updated_by: Object
       last_name: "AUERBACH"
       first_name: "Siân"
       email: "auerbach@example.com"
       phone: "(123)-456-7890"
     text: Object
db.minutes.aggregate([
  {
    "$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 使用 emailAutocompleteSearch分析器创建搜索词元，然后将其与使用 emailAutocompleteIndex分析器创建的索引词元进行匹配。下表显示了MongoDB Search 创建的搜索词元和索引词元（最多 15 个字符）：

搜索词元
Index Tokens

auerbachATexamp

au, aue, auer, auerb, auerba, auerbac, auerbach, auerbachA, auerbachAT, auerbachATe, auerbachATex, auerbachATexa, auerbachATexam, auerbachATexamp

snowballStemming

snowballStemming 词元使用 Snowball 生成的词干分析器筛选 Stems 词元。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 snowballStemming。

stemmerName

字符串

是

以下值是有效的：

  • arabic

  • armenian

  • basque

  • catalan

  • danish

  • dutch

  • english

  • estonian

  • finnish

  • french

  • german

  • german2 （已过时）

  • hungarian

  • irish

  • italian

  • lithuanian

  • norwegian

  • porter （原始的 Porter 英语词干提取算法。）

  • portuguese

  • romanian

  • russian

  • spanish

  • swedish

  • turkish

例子

以下索引定义使用名为 frenchStemmer 的自定义分析器对 minutes 集合中的 text.fr_CA 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下词元筛选器应用于词元：

    • lowercase 词元过滤器，用于将词元转换为小写。

    • french 用于提取词语的词干的 snowballStemming 词元筛选器变体。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 frenchStemmer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 snowballStemming，然后从 stemmerName 下拉菜单中选择 french。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.fr_CA嵌套字段应用自定义分析器。

  13. 选择 text.fr_CA（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 frenchStemmer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 text.fr_CA 字段中搜索词语 réunion。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "réunion",
          "path": "text.fr_CA"
        }
      }
    }
    SCORE: 0.13076457381248474 _id:  "1"
     message: "try to siGn-In"
     page_updated_by: Object
     text: Object
       en_US: "<head> This page deals with department meetings.</head>"
       sv_FI: "Den här sidan behandlar avdelningsmöten"
       fr_CA: "Cette page traite des réunions de département"
db.minutes.aggregate([
  {
    "$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 返回结果中包含 _id: 1 的文档。MongoDB Search 将查询术语与文档进行匹配，因为它为文档创建了以下词元，然后使用这些词元与查询术语réunion 进行匹配：

文档 ID
输出词元

_id: 1

cet, pag, trait, de, réunion, de, départ

spanishPluralStemming

spanishPluralStemming 词元筛选器提取西班牙语复数词语的词干。它要求使用小写文本。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 spanishPluralStemming。

例子

以下索引定义使用名为 spanishPluralStemmer 的自定义分析器对 minutes 集合中的 text.es_MX 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下词元筛选器应用于词元：

    • lowercase 词元过滤器，用于将西班牙语词语转换为小写。

    • spanishPluralStemming 词元筛选器，用于为词元中的复数西班牙语词语提取单数形式的词干。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 spanishPluralStemmer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉列表中选择 spanishPluralStemming。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.es_MX嵌套字段应用自定义分析器。

  13. 选择 text.es_MX（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 spanishPluralStemmer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 text.es_MX 字段中搜索西班牙语词语 punto。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "punto",
          "path": "text.es_MX"
        }
      }
    }
     SCORE: 0.13076457381248474  _id:  "4"
       message: "write down your signature or phone №"
       page_updated_by: Object
       text: Object
         en_US: "<body>This page has been updated with the items on the agenda.</body>"
         es_MX: "La página ha sido actualizada con los puntos de la agenda."
         pl_PL: "Strona została zaktualizowana o punkty porządku obrad."
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 4 的文档，因为文档中的 text.es_MX字段包含复数术语puntos。MongoDB搜索将此文档与查询术语punto 进行匹配，因为MongoDB搜索通过从术语中去除复数 (s)，将 puntos 作为 punto 进行分析。具体来说， MongoDB Search 会为结果中的文档创建以下词元（可搜索词语），然后使用这些词元与查询术语进行匹配：

文档 ID

输出词元

_id: 4

la, pagina, ha, sido, actualizada, con, los, punto, de, la, agenda

stempel

stempel 词元筛选器使用 Lucene 的 默认波兰语词干分析器表提取波兰语词语的词干。它要求使用小写文本。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 stempel。

例子

以下索引定义使用名为 stempelStemmer 的自定义分析器对 minutes 集合中的 text.pl_PL 字段进行索引。自定义分析器指定以下内容：

  1. 应用标准分词器，以根据分词规则创建词元。

  2. 将以下筛选器应用于词元：

    • lowercase 词元过滤器，用于将词语转换为小写。

    • stempel 词元过滤器用于删除波兰语字词。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 stempelAnalyzer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 standard。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉列表中选择 spanishPluralStemming。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 以对标题字段应用自定义分析器。

  13. 从 Field Name 下拉列表中选择 Title（标题），然后从 Data Type 下拉列表中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 stempelAnalyzer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 text.pl_PL 字段中搜索波兰语词语 punkt。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "index": "default",
        "text": {
          "query": "punkt",
          "path": "text.pl_PL"
        }
      }
    }
    SCORE: 0.5376965999603271 _id: "4"
      text: Object
        pl_PL: "Strona została zaktualizowana o punkty porządku obrad."
db.minutes.aggregate([
  {
    "$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 返回包含 _id: 4 的文档，因为文档中的 text.pl_PL字段包含复数术语punkty。MongoDB搜索将此文档与查询术语punkt 进行匹配，因为MongoDB搜索通过从术语中去除复数 (y)，将 punkty 作为 punkt 进行分析。具体来说， MongoDB Search 会为结果中的文档创建以下词元（可搜索词语），然后将其与查询术语进行匹配：

文档 ID
输出词元

_id: 4

strona, zostać, zaktualizować, o, punkt, porządek, obrada

stopword

stopword 词元筛选器删除与指定停用词对应的词元。该词元筛选器不分析指定的停用词。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 stopword。

tokens

字符串数组

是

该列表包含与要删除的词元对应的停用词。值必须是一个或多个停用词。

ignoreCase

布尔

no

该标记指示在筛选要删除的词元时是否忽略停用词大小写。值可以是以下值之一：

  • true — 忽略大小写并删除所有与指定停用词匹配的词元

  • false — 区分大小写，只删除与指定大小写完全匹配的令牌

默认值：true

例子

以下索引定义使用名为 stopwordRemover 的自定义分析器对 minutes 集合中的 title 字段进行索引。自定义分析器指定以下内容：

  1. 应用空格分词器，以根据词语之间出现的空格创建词元。

  2. 应用 stopword 词元过滤器删除与定义的停用词 is、the 和 at 匹配的标记。词元过滤器不区分大小写，并将删除与指定停用词匹配的所有词元。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 stopwordRemover。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 whitespace。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉菜单中选择 stopword，然后在 tokens 字段中输入以下内容：

    is, the , at

  8. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  9. 单击 Add 可创建自定义分析器。

  10. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.en_US嵌套字段应用自定义分析器。

  11. 选择 text.en_US（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  12. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 stopwordRemover。

  13. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"]
        }
      ]
    }
  ]
}
1db.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)

以下查询在分钟集合的 text.en_US 字段中搜索短语 head of the sales。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "phrase": {
          "query": "head of the sales",
          "path": "text.en_US"
        }
      }
    }
    SCORE: 1.5351942777633667 _id:  "2"
      message: "do not forget to SIGN-IN. See ① for details."
      page_updated_by: Object
      text: Object
1db.minutes.aggregate([
2  {
3    "$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 返回包含 _id: 2 的文档，因为 en_US字段包含查询术语。MongoDB Search 在分析期间不会为文档中的停用词 the 创建词元，但仍能将其与查询术语进行匹配，因为对于 string 字段，它还会使用索引分析器分析查询术语（或者如果指定，使用 searchAnalyzer），并从查询术语中删除停用词，这允许MongoDB Search 将查询术语与文档进行匹配。具体来说， MongoDB Search 会为结果中的文档创建以下词元：

文档 ID
输出词元

_id: 2

head, of , sales , department , spoke , first.

trim

trim 词元过滤器会删除词元中的前导和尾随空格。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 trim。

例子

以下索引定义使用名为 tokenTrimmer 的自定义分析器对 minutes 集合中的 text.en_US 进行索引。该自定义分析器指定以下内容：

  • 应用 htmlStrip 字符过滤器从文本中删除除 a 标签之外的所有 HTML 标记。

  • 应用关键字分词器，为整个字符串创建单个词元。

  • 应用 trim 词元筛选器，以删除词元中的前导和尾随空格。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 tokenTrimmer。

  4. 展开 Character Filters，然后单击 Add character filter。

  5. 从下拉菜单中选择 htmlStrip，然后在 ignoredTags 字段中输入 a。

  6. 单击 Add character filter 可将字符筛选器添加到自定义分析器中。

  7. 如果 Tokenizer 已折叠，请将其展开。

  8. 从下拉列表中选择 keyword。

  9. 展开 Token Filters，然后单击 Add token filter。

  10. 从下拉列表中选择 trim。

  11. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  12. 单击 Add，将自定义分析器添加到索引。

  13. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 text.en_US嵌套字段应用自定义分析器。

  14. 选择 text.en_US（嵌套在 Field Name 下拉菜单中），然后从 Data Type 下拉菜单中选择 String（字符串）。

  15. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 tokenTrimmer。

  16. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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"
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 text.en_US 字段中搜索前后具有任意数量的其他字符的短语 *department meetings*。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
        "wildcard": {
          "query": "*department meetings*",
          "path": "text.en_US",
          "allowAnalyzedField": true
        }
      }
    }
    SCORE: 1  _id:  "1"
    message: "try to siGn-In"
    page_updated_by: Object
    text: Object
      en_US: "<head> This page deals with department meetings.</head>"
      sv_FI: "Den här sidan behandlar avdelningsmöten"
      fr_CA: "Cette page traite des réunions de département"
1db.minutes.aggregate([
2  {
3    "$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 返回包含 _id: 1 的文档，因为 en_US字段包含查询术语department meetings。MongoDB Search 为结果中的文档创建以下词元，这表明MongoDB Search 删除了 HTML 标记，为整个字符串创建了单个词元，并删除了词元中的前导和尾随空格：

文档 ID
输出词元

_id: 1

This page deals with department meetings.

wordDelimiterGraph

wordDelimiterGraph 词元筛选器根据配置的规则将词元拆分为子词元。我们建议您不要将该词元筛选器与标准分词器一起使用，因为该分词器删除该词元筛选器用于确定边界的很多词语内分隔符。

注意

对于使用regex（MongoDB搜索操作符）或wildcard 操作符进行查询，您不能将 wordDelimiterGraph 词元过滤用作 searchAnalyzer，因为它为每个输入词元生成多个输出词元。在索引定义中指定不同的分析器作为 searchAnalyzer。

属性

它具有以下属性：

名称
类型
必需？
说明

type

字符串

是

标识该词元筛选器类型的人类可读标签。值必须是 wordDelimiterGraph。

delimiterOptions

对象

no

该对象包含确定如何将词语拆分为子词语的规则。

默认值：{}

delimiterOptions
.generateWordParts

布尔

no

该标记指示是否根据子词语拆分词元。例如，如果为 true，该选项将 PowerShot 拆分为 Power 和 Shot。

默认值：true

delimiterOptions
.generateNumberParts

布尔

no

该标记指示是否根据子编号拆分词元。例如，如果为 true，该选项将 100-2 拆分为 100 和 2。

默认值：true

delimiterOptions
.concatenateWords

布尔

no

该标记指示是否连接子词语串。例如，如果为 true，该选项将 wi-fi 连接到 wifi。

默认值：false

delimiterOptions
.concatenateNumbers

布尔

no

该标记指示是否连接子数字串。例如，如果为 true，该选项将 100-2 连接到 1002。

默认值：false

delimiterOptions
.concatenateAll

布尔

no

该标记指示是否连接所有内容。例如，如果为 true，该选项将 wi-fi-100-2 连接到 wifi1002。

默认值：false

delimiterOptions
.preserveOriginal

布尔

no

该标记指示是否生成原始词语的词元。

默认值：true

delimiterOptions
.splitOnCaseChange

布尔

no

该标记指示是否根据字母大小写转换拆分词元。例如，如果为 true，该选项将 camelCase 拆分为 camel 和 Case。

默认值：true

delimiterOptions
.splitOnNumerics

布尔

no

该标记指示是否根据字母-数字转换拆分词元。例如，如果为 true，该选项将 g2g 拆分为 g、2 和 g。

默认值：true

delimiterOptions
.stemEnglishPossessive

布尔

no

该标记指示是否从每个子词语中删除尾随所有格。例如，如果为 true，该选项将 who's 更改为 who。

默认值：true

delimiterOptions
.ignoreKeywords

布尔

no

指示是否跳过将 keyword 属性设置为 true 词元的标志。

默认值：false

protectedWords

对象

no

该对象包含保护字选项。

默认值：{}

protectedWords
.words

阵列

视条件而定

该列表包含要禁止分隔的词元。如果您指定 protectedWords，则必须指定该选项。

protectedWords
.ignoreCase

布尔

no

该标记指示是否忽略保护字区分大小写。

默认值：true

如果为 true，则在该选项后面应用 flattenGraph 词元过滤器，以使词元流适合进行索引。

例子

以下索引定义使用名为 wordDelimiterGraphAnalyzer 的自定义分析器对 minutes 集合中的 title 字段进行索引。自定义分析器指定以下内容：

  1. 应用空格分词器，以根据词语之间出现的空格创建词元。

  2. 为以下内容应用 wordDelimiterGraph 词元过滤器：

    • 不要尝试拆分 is、the 和 at。排除区分大小写。例如，不会排除 Is 和 tHe。

    • 在大小写发生变化时拆分词元，并删除仅包含英语字母表中的字母的词元。

  1. 在 Custom Analyzers 部分中，单击 Add Custom Analyzer。

  2. 选择 Create Your Own 单选按钮并单击 Next。

  3. 在 Analyzer Name 字段中输入 wordDelimiterGraphAnalyzer。

  4. 如果 Tokenizer 已折叠，请将其展开。

  5. 从下拉列表中选择 whitespace。

  6. 展开 Token Filters，然后单击 Add token filter。

  7. 从下拉列表中选择 lowercase，然后单击 Add token filter 以将词元过滤器添加到您的自定义分析器中。

  8. 单击 Add token filter 可添加另一个词元筛选器。

  9. 从下拉菜单中选择 wordDelimiterGraph，然后配置以下字段：

    1. 取消选择 delimiterOptions.generateWordParts 然后选择 delimiterOptions.splitOnCaseChange。

    2. 在 protectedWords.words 字段中键入并从下拉菜单中选择单词 is、the 和 at，一次一个。

    3. 取消选择 protectedWords.ignoreCase。

  10. 单击 Add token filter 可将词元筛选器添加到自定义分析器中。

  11. 单击 Add 可创建自定义分析器。

  12. 在 Field Mappings 部分中，单击 Add Field Mapping 可对 title（标题）嵌套字段应用自定义分析器。

  13. 从 Field Name 下拉菜单中选择嵌套的 title（标题），并从 Data Type 下拉菜单中选择 String（字符串）。

  14. 在数据类型的属性部分中，从 Index Analyzer 和 Search Analyzer 下拉菜单中选择 wordDelimiterGraphAnalyzer。

  15. 单击 Add，然后单击 Save Changes。

将默认索引定义替换为以下示例：

{
  "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
          }
        }
      ]
    }
  ]
})

以下查询在 minutes 集合的 title 字段中搜索词语 App2。

  1. 单击索引的 Query 按钮。

  2. 单击 Edit Query 编辑查询。

  3. 单击查询栏上的 并选择数据库和集合。

  4. 将默认查询替换为以下内容，然后单击 Find：

    {
      "$search": {
      "index": "default",
        "text": {
          "query": "App2",
          "path": "title"
        }
      }
    }
    SCORE: 0.5104123950004578 _id:  "4"
      message: "write down your signature or phone №"
      page_updated_by: Object
      text: Object
db.minutes.aggregate([
  {
    "$search": {
      "index": "default",
      "text": {
        "query": "App2",
        "path": "title"
      }
    }
  },
  {
    "$project": {
      "_id": 1,
      "title": 1
    }
  }
])
[
  {
    _id: 4,
    title: 'The daily huddle on tHe StandUpApp2'
  }
]

MongoDB Search 返回包含 _id: 4 的文档，因为文档中的 title字段包含 App2。MongoDB Search 在大小写发生变化时拆分词元，并删除由分割创建的仅包含字母的词元。它还使用索引分析器（如果指定，则使用 searchAnalyzer）分析查询术语，以便在大小写发生变化时分割单词并删除2 前面的字母。具体来说， MongoDB Search 会为 protectedWords 和 delimiterOptions 选项包含 _id : 4 的文档创建以下词元：

wordDelimiterGraph 选项
输出词元

protectedWords

The, daily, huddle, on, t, He, Stand, Up, App, 2

delimiterOptions

The, daily , huddle , on , 2

后退

分词器

来年

字段映射

在此页面上