分词器

属性

它具有以下属性：

例子

以下索引定义使用名为 edgegramExample 的自定义分析器对 minutes 集合中的 message 字段建立索引。它使用 edgeGram 分词器创建 2 到 7 个字符长的词元（可搜索词），从 message 字段中单词左侧的第一个字符开始。

下面的查询在 minutes 集合的 message 字段中搜索以 tr 开头的文本。

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

{ _id: 1, message: 'try to siGn-In' },
{ _id: 3, message: 'try to sign-in' }

Atlas Search 在结果中返回具有 _id: 1 和 _id: 3 的文档，因为 Atlas Search 使用文档的 edgeGram 分词器创建了一个值为 tr 的词元，该词元与搜索词匹配。如果使用 standard 分词器为 message 字段建立索引，Atlas Search 将不会返回搜索词 tr 的任何结果。

下表列出了 edgeGram 分词器以及与之相比较的 standard 分词器为结果中的文档创建的词元：

属性

它具有以下属性：

例子

以下索引定义使用名为 keywordExample 的自定义分析器对 minutes 集合中的 message 字段建立索引。它使用 keyword 分词器在整个字段上创建作为单个术语的词元（可搜索词）。

下面的查询在 minutes 集合的 message 字段中搜索词语 try to sign-in。

1
db.minutes.aggregate([
2
  {
3
    "$search": {
4
      "text": {
5
        "query": "try to sign-in",
6
        "path": "message"
7
      }
8
    }
9
  },
10
  {
11
    "$project": {
12
      "_id": 1,
13
      "message": 1
14
    }
15
  }
16
])

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

Atlas Search 会在结果中返回具有 _id: 3 的文档，因为 Atlas Search 已使用文档的 keyword 分词器创建了一个值为 try to sign-in 的词元，该词元与搜索词匹配。如果您使用 standard 分词器为 message 字段建立索引，则 Atlas Search 将针对搜索词 try to sign-in 返回具有 _id: 1、_id: 2 和 _id: 3 的文档，因为每个文档都包含 standard 分词器创建的一些词元。

下表列出了 keyword 分词器以及与之相比较的 standard 分词器为具有 _id: 3 的文档创建的词元：

属性

它具有以下属性：

例子

以下索引定义使用名为 ngramExample 的自定义分析器为 minutes 集合中的 title 字段建立索引，并使用 nGram 分词器在 title 字段中创建长度介于 4 至 6 个字符之间的词元（可搜索术语）。

下面的查询在 minutes 集合的 title 字段中搜索词语 week。

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

{ _id: 1, title: "The team's weekly meeting" }

Atlas Search 会在结果中返回具有 _id: 1 的文档，因为 Atlas Search 已使用文档的 nGram 分词器创建了一个值为 week 的词元，该词元与搜索词匹配。如果使用 standard 或 edgeGram 分词器为 title 字段建立索引，Atlas Search 将不会返回搜索词 week 的任何结果。

下表列出了 nGram 分词器以及与之相比，standard 和 edgeGram 分词器为具有 _id: 1 的文档创建的标记：

属性

它具有以下属性：

例子

以下索引定义使用名为 phoneNumberExtractor 的自定义分析器对 minutes 集合中的 page_updated_by.phone 字段建立索引。它使用以下命令：

• mappings 字符过滤器，删除前三位数字周围的括号并用破折号替换所有空格和句点

• regexCaptureGroup 分词器，用于根据文本输入中存在的第一个美国格式的电话号码创建单个词元

以下查询会在 minutes 集合的 page_updated_by.phone 字段中搜索电话号码 123-456-9870。

1
db.minutes.aggregate([
2
  {
3
    "$search": {
4
      "text": {
5
        "query": "123-456-9870",
6
        "path": "page_updated_by.phone"
7
      }
8
    }
9
  },
10
  {
11
    "$project": {
12
      "_id": 1,
13
      "page_updated_by.phone": 1
14
    }
15
  }
16
])

{ _id: 3, page_updated_by: { phone: '(123).456.9870' }

Atlas Search 在结果中返回具有 _id: 3 的文档，因为 Atlas Search 使用文档的 regexCaptureGroup 分词器创建了一个值为 123-456-7890 的词元，该词元与搜索词匹配。如果使用 standard 分词器为 page_updated_by.phone 字段建立索引，则 Atlas Search 将返回搜索词 123-456-7890 的所有文档。

下表列出了 regexCaptureGroup 分词器以及与之相比较的 standard 分词器为具有 _id: 3 的文档创建的词元：

属性

它具有以下属性：

例子

以下索引定义使用名为 dashDotSpaceSplitter 的自定义分析器对 minutes 集合中的 page_updated_by.phone 字段建立索引。它使用 regexSplit 分词器从 page_updated_by.phone 字段中的一个或多个连字符、句点和空格创建词元（可搜索词）。

下面的查询在 minutes 集合的 page_updated_by.phone 字段中搜索数字 9870。

1
db.minutes.aggregate([
2
  {
3
    "$search": {
4
      "text": {
5
        "query": "9870",
6
        "path": "page_updated_by.phone"
7
      }
8
    }
9
  },
10
  {
11
    "$project": {
12
      "_id": 1,
13
      "page_updated_by.phone": 1
14
    }
15
  }
16
])

{ _id: 3, page_updated_by: { phone: '(123).456.9870' }

Atlas Search 在结果中返回具有 _id: 3 的文档，因为 Atlas Search 使用文档的 regexSplit 分词器创建了一个值为 9870 的词元，该词元与搜索词匹配。如果使用 standard 分词器为 page_updated_by.phone 字段建立索引，Atlas Search 将不会返回搜索词 9870 的任何结果。

下表列出了 regexCaptureGroup 分词器以及与之相比较的 standard 分词器为具有 _id: 3 的文档创建的词元：

属性

它具有以下属性：

例子

以下索引定义使用名为 standardExample 的自定义分析器对 minutes 集合中的 message 字段建立索引。它使用 standard 分词器和停用词词元过滤器。

下面的查询在 minutes 集合的 message 字段中搜索词语 signature。

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

{ _id: 4, message: 'write down your signature or phone №' }

Atlas Search 返回具有 _id: 4 的文档，因为 Atlas Search 使用文档的 standard 分词器创建了一个值为 signature 的词元，该词元与搜索词匹配。如果使用 keyword 分词器为 message 字段建立索引，Atlas Search 将不会返回搜索词 signature 的任何结果。

下表列出了 standard 分词器以及与之相比较的 keyword 分析器为具有 _id: 4 的文档创建的词元：

属性

它具有以下属性：

例子

属性

它具有以下属性：

例子

以下索引定义使用名为 whitespaceExample 的自定义分析器对 minutes 集合中的 message 字段建立索引。它使用 whitespace 分词器从 message 字段中的任意空格创建词元（可搜索词）。

下面的查询在 minutes 集合的 message 字段中搜索词语 SIGN-IN。

1
db.minutes.aggregate([
2
  {
3
    "$search": {
4
      "text": {
5
        "query": "SIGN-IN",
6
        "path": "message"
7
      }
8
    }
9
  },
10
  {
11
    "$project": {
12
      "_id": 1,
13
      "message": 1
14
    }
15
  }
16
])

{ _id: 2, message: 'do not forget to SIGN-IN' }

Atlas Search 在结果中返回具有 _id: 2 的文档，因为 Atlas Search 使用文档的 whitespace 分词器创建了一个值为 SIGN-IN 的词元，该词元与搜索词匹配。如果使用 standard 分词器为 message 字段建立索引，则对于搜索词 SIGN-IN，Atlas Search 将返回具有 _id: 1、_id: 2 和 _id: 3 文档。

下表列出了 whitespace 分词器以及与之相比较的 standard 分词器为具有 _id: 2 的文档创建的词元：