Cncharonly

cncharonly 过滤器会删除包含任何非中文字符的标记。当您只想关注中文文本，过滤掉任何包含其他脚本、数字或符号的标记时，该过滤器非常有用。

配置

cncharonly 过滤器内置在 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": "standard",
    "filter": ["cncharonly"],
}

Java

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

NodeJS

const analyzer_params = {
    "tokenizer": "standard",
    "filter": ["cncharonly"],
};

Go

analyzerParams = map[string]any{"tokenizer": "standard", "filter": []any{"cncharonly"}}

cURL

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    "cncharonly"
  ]
}'

cncharonly 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。有关 Milvus 中可用的标记化器列表，请参阅标准标记化器及其同类页面。

定义analyzer_params 后，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": "standard",
    "filter": ["cncharonly"],
}

Java

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

NodeJS

// javascript

Go

analyzerParams = map[string]any{"tokenizer": "standard", "filter": []any{"cncharonly"}}

cURL

# restful

验证使用run_analyzerCompatible with Milvus 2.5.11+

Python

# Sample text to analyze
sample_text = "Milvus 是 LF AI & Data Foundation 下的一个开源项目，以 Apache 2.0 许可发布。"

# Run the standard analyzer with the defined configuration
result = MilvusClient.run_analyzer(sample_text, analyzer_params)
print(result)

Java

// java

NodeJS

// javascript

Go

// go

cURL

# restful

预期输出

['是', '下的一个开源项目', '以', '许可发布']