移除标点符号 Compatible with Milvus 2.5.11+

removepunct 过滤器可从标记流中移除独立的标点符号标记。当您需要更简洁的文本处理时，可以使用该过滤器，重点处理有意义的内容词而不是标点符号。

说明

该过滤器对jieba 、lindera 和icu 标记符号化器最有效，它们将标点符号保留为单独的标记符号（例如"Hello!" →["Hello", "!"] ）。standard 和whitespace 等其他标记符在标记化过程中会丢弃标点符号，因此removepunct 对它们没有影响。

配置

removepunct 过滤器内置于 Milvus 中。要使用它，只需在analyzer_params 中的filter 部分指定其名称即可。

Python

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

Java

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

NodeJS

// node

Go

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

cURL

# restful

removepunct 过滤器对标记符生成的术语进行操作，因此必须与标记符结合使用。

定义analyzer_params 后，您可以在定义 Collection Schema 时将其应用到VARCHAR 字段。这样，Milvus 就可以使用指定的分析器对该字段中的文本进行处理，从而实现高效的标记化和过滤。有关详情，请参阅示例使用。

示例

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

分析器配置

Python

analyzer_params = {
    "tokenizer": "icu",
    "filter": ["removepunct"]
}

Java

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

NodeJS

// node

Go

analyzerParams = map[string]any{"tokenizer": "icu", "filter": []string{"removepunct"}}

cURL

# restful

验证使用run_analyzer

Python

from pymilvus import (
    MilvusClient,
)

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

# Sample text to analyze
sample_text = "Привет! Как дела?"

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

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("Привет! Как дела?");

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

NodeJS

// javascript

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{"Привет! Как дела?"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

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

cURL

# restful

预期输出

['Привет', 'Как', 'дела']