Chinese

chinese 分析器专为处理中文文本而设计，提供有效的分段和标记化功能。

定义

chinese 分析器包括：

• Tokenizer（分词器）：使用 jieba Tokenizer（分词器），根据词汇和上下文将中文文本分割成标记。更多信息，请参阅 Jieba。

• 过滤器：使用 cnalphanumonly 过滤器删除包含任何非汉字的标记。更多信息，请参阅 Cnalphanumonly。

chinese 分析器的功能相当于以下自定义分析器配置：

内置 chinese 分析器不会输出 Pinyin token。如需使用 Pinyin 查询词匹配中文文本，请使用包含 jieba tokenizer 和 pinyin 过滤器的自定义分析器。

Python

Python

analyzer_params = {
    "tokenizer": "jieba",
    "filter": ["cnalphanumonly"]
}

Java

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "jieba");
analyzerParams.put("filter", Collections.singletonList("cnalphanumonly"));

Node.js

JavaScript

const analyzerParams = {
    "tokenizer": "jieba",
    "filter": ["cnalphanumonly"]
};

Go

Go

analyzerParams = map[string]any{"tokenizer": "jieba", "filter": []any{"cnalphanumonly"}}

cURL

Shell

# restful
analyzerParams='{
  "tokenizer": "jieba",
  "filter": [
    "cnalphanumonly"
  ]
}'

配置

要将 chinese 分析器应用到一个字段，只需在 analyzer_params 中将 type 设置为 chinese 即可。

Python

Python

analyzer_params = {
    "type": "chinese",
}

Java

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "chinese");

Node.js

JavaScript

const analyzerParams = {
    "type": "chinese",
}

Go

Go

analyzerParams = map[string]any{"type": "chinese"}

cURL

Shell

# restful
analyzerParams='{
  "type": "chinese"
}'

说明

chinese 分析器不接受任何可选参数。

示例

在将分析器配置应用到 Collection Schema 之前，请使用 run_analyzer 方法验证其行为。

Analyzer 配置

Python

Python

analyzer_params = {
    "type": "chinese",
}

Java

Java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("type", "chinese");

Node.js

JavaScript

const analyzerParams = { type: "chinese" };

Go

Go

analyzerParams = map[string]any{"type": "chinese"}

cURL

Shell

export ANALYZER_PARAMS='{"type":"chinese"}'

验证使用 run_analyzer

Python

Python

from pymilvus import (
    MilvusClient,
)

client = MilvusClient(uri="http://localhost:19530")

# Sample text to analyze
sample_text = "Milvus 是一个高性能、可扩展的向量数据库！"

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("English analyzer output:", result)

Java

Java

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.RunAnalyzerReq;
import io.milvus.v2.service.vector.response.RunAnalyzerResp;

ConnectConfig config = ConnectConfig.builder()
        .uri("http://localhost:19530")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("Milvus 是一个高性能、可扩展的向量数据库！");

RunAnalyzerResp resp = client.runAnalyzer(RunAnalyzerReq.builder()
        .texts(texts)
        .analyzerParams(analyzerParams)
        .build());
List<RunAnalyzerResp.AnalyzerResult> results = resp.getResults();

Node.js

JavaScript

const client = new MilvusClient({ address: "http://localhost:19530" });
const result = await client.runAnalyzer({ text: "Milvus 是一个高性能、可扩展的向量数据库！", analyzer_params: analyzerParams });

Go

Go

import (
    "context"
    "encoding/json"
    "fmt"

    "github.com/milvus-io/milvus/client/v2/milvusclient"
)

client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "localhost:19530",
    APIKey:  "root:Milvus",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

bs, _ := json.Marshal(analyzerParams)
texts := []string{"Milvus 是一个高性能、可扩展的向量数据库！"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

result, err := client.RunAnalyzer(ctx, option)
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

cURL

Shell

export SAMPLE_TEXT='Milvus 是一个高性能、可扩展的向量数据库！'
curl --request POST --url "${CLUSTER_ENDPOINT}/v2/vectordb/common/run_analyzer" --header "Authorization: Bearer ${TOKEN}" --header "Content-Type: application/json" --data "$(jq -n --arg analyzerParams "$ANALYZER_PARAMS" --arg text "$SAMPLE_TEXT" '{analyzerParams:$analyzerParams,text:[$text]}')"

预期输出

Text

Chinese analyzer output: ['Milvus', '是', '一个', '高性', '性能', '高性能', '可', '扩展', '的', '向量', '数据', '据库', '数据库']