去除标点符号 Compatible with Milvus 2.5.11+

removepunct 过滤器会删除标点符号、空格和换行符，一些标记符号化器（如jieba,lindera, 和icu）通常会保留这些符号。如果您希望得到只包含有意义文本标记的更干净标记流，而不包含逗号、句号和其他标点符号，请使用该过滤器。

配置

removepunct 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

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

Java

// java

NodeJS

// node

Go

// go

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

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

Java

// java

NodeJS

// node

Go

// go

cURL

# restful

验证使用run_analyzer

Python

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

# 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

['Привет', 'Как', 'дела']