# Pattern Capture Token Filter(模式匹配詞元過濾器) ## 簡述 `pattern_capture詞元`過濾器與`pattern 分詞器`不同，為正則表達式中的每個捕獲組發出一個token。? ?模式不會錨定到字符串的開始和結尾，每個模式可以匹配多次，并且允許重復匹配。 小心病態正則表達式 模式捕獲令牌過濾器使用[Java正則表達式](http://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html)?。 一個嚴重的正則表達式可能會運行得非常慢，甚至會拋出一個StackOverflowError，并導致其運行的節點突然退出。 閱讀更多[關于病態正則表達式和如何避免它們](http://www.regular-expressions.info/catastrophic.html)?。 ? ## 示例-1 舉例如下： 正則： | `"(([a-z]+)(\d*))"` | 待匹配文字： | `"abc123def456"` | 匹配結果： | `[ abc123, abc,?``123``, def456, def,?``456`?`]` | 如果`preserve_original`設置為`true`?（默認值），那么它也會發出原始令牌：?`abc123def456`?。 這對于索引文本（如駝峰式代碼）特別有用，例如`stripHTML`?，用戶可以在其中搜索`"strip html"`或`"striphtml"`?： | `PUT test` `{` `"settings"`?`: {` `"analysis"`?`: {` `"filter"`?`: {` `"code"`?`: {` `"type"`?`:?``"pattern_capture"``,` `"preserve_original"`?`:?``true``,` `"patterns"`?`: [` `"(\\p{Ll}+|\\p{Lu}\\p{Ll}+|\\p{Lu}+)"``,` `"(\\d+)"` `]` `}` `},` `"analyzer"`?`: {` `"code"`?`: {` `"tokenizer"`?`:?``"pattern"``,` `"filter"`?`: [?``"code"``,?``"lowercase"`?`]` `}` `}` `}` `}` `}` | 當處理如下文本內容時： | `import`?`static`?`org.apache.commons.lang.StringEscapeUtils.escapeHtml` | 結果如下： | `[?``import``,?``static``, org, apache, commons, lang, stringescapeutils, string, escape, utils, escapehtml, escape, html ]` | ## 示例-2 別一個例子就是分析郵箱時，如下所示： | `PUT test` `{` `"settings"`?`: {` `"analysis"`?`: {` `"filter"`?`: {` `"email"`?`: {` `"type"`?`:?``"pattern_capture"``,` `"preserve_original"`?`:?``true``,` `"patterns"`?`: [` `"([^@]+)"``,` `"(\\p{L}+)"``,` `"(\\d+)"``,` `"@(.+)"` `]` `}` `},` `"analyzer"`?`: {` `"email"`?`: {` `"tokenizer"`?`:?``"uax_url_email"``,` `"filter"`?`: [?``"email"``,?``"lowercase"``,??``"unique"`?`]` `}` `}` `}` `}` `}` | ? 當郵箱格式如下時： | `john-smith_123``@foo``-bar.com` | ? 最終處理結果將為： | `john-smith_123``@foo``-bar.com, john-smith_123,` `john, smith,?``123``, foo-bar.com, foo, bar, com` | ? 需要多種模式以允許重復捕獲，但也意味著模式不復雜和易于理解。 注意：所有token都以相同的位置處理，并且具有相同的字符偏移量，因此當與突出顯示相結合時，**整個原始token將被突出顯示，而不僅僅是匹配的子集**。 ??例如，查詢上述電子郵件地址`"smith",`將會突出顯示整個原始token： | `<em>john-smith_123``@foo``-bar.com</em>` | 而非僅高亮smith: | `john-<em>smith</em>_123``@foo``-bar.com` |