全局使用 Java 模式 PatternCaptureGroupTokenFilter

Question

我目前正在 Elasticsearch 插件中使用模式捕获组令牌过滤器。目前，该插件工作得非常好，并且还发出令牌。但是，问题是我在模式捕获组令牌过滤器中使用的模式，它仅返回第一个匹配项，而不会继续其后的匹配项。

我的 TokenFilterFactory 文件中的模式捕获令牌过滤器定义如下所示：

PatternCaptureGroupTokenFilter(tokenStream, true, Pattern.compile("(?<![\\p{Alnum}])(\\p{Alnum}+\\p{Punct}\\p{Alnum}+)"))

我知道在 JAVA 的情况下，我可以通过使用 find() 和 group() 方法解决此问题，但不知道是否可以解决简单地用图案本身。

我想测试的模式是“(?

我在 java 文件中的代码如下所示：

import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.pattern.PatternCaptureGroupTokenFilter;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.env.Environment;
import org.elasticsearch.index.IndexSettings;
import org.elasticsearch.index.analysis.AbstractTokenFilterFactory;

import java.util.regex.Pattern;

public class AlPuAlTokenFilterFactory extends AbstractTokenFilterFactory {

    public AlPuAlTokenFilterFactory(IndexSettings indexSettings, Environment environment, String name, Settings settings) {
        super(indexSettings, name, settings);

    }

    @Override
    public TokenStream create(TokenStream tokenStream) {
        return new PatternCaptureGroupTokenFilter(tokenStream, true, Pattern.compile("(\\p{Alnum}+\\p{Punct}\\p{Alnum}+)(?=(\\p{Punct}))"));
    }
}

Answer 1

你可以试试这个：

(\w+[&$-])(?=(\w+))

解释：

1. 这里我得到一个单词 \w+ 后跟 &或 $ 或 -。我将其打包为第 1 组
2. 然后我积极地期待另一个直接的单词。我将其打包为第 2 组。

因此，您可以从 3 场比赛中从第 1 组和第 2 组获得所需的输出：

Match1: port&
group 1:port&
group 2:hid

Match 2: hid$
group 1:hid$
group 2:query

Match 3:query-
group 1:query-
group 2:input

因此，您可以从第 1 组和第 2 组获得所需的输出

演示