startOffset must be non-negative, and endOffset must be >= startOffset, and offsets must not go back

startOffset must be non-negative, and endOffset must be >= startOffset, and offsets must not go backwards

使用了拼音分析器的字段在新增文档时出现上面的报错,百度了一些资料说把"ignore_pinyin_offset" : "false"改成true就可以了,但是改成true这个字段就无法高亮了

出错原因:插入的数据存在特殊字符
解决方法:使用字符过滤器过滤掉特殊字符

"settings": {
    "analysis": {
      "analyzer": {
        "pinyin_analyzer": {
          "tokenizer": "my_pinyin_tokenizer",
          // 使用自定义的字符过滤器
          "char_filter": ["special_character_filter"]
        }
      },
      "char_filter": {
      	// 过滤掉除 中文、字母、数字 以外的字符
        "special_character_filter": {
          "type": "pattern_replace",
          "pattern": "[^\\u4e00-\\u9fa5a-zA-Z0-9]",
          "replacement": ""
        }
      },
      "tokenizer": {
        "my_pinyin_tokenizer": {
          "type": "pinyin",
          "keep_joined_full_pinyin": true,
          "keep_none_chinese_in_joined_full_pinyin": true,
          "ignore_pinyin_offset" : "false"
        }
      }
    }
  }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
word分词是一个Java实现的中文分词组件,提供了多种基于词典的分词算法,并利用ngram模型来消除歧义。 能准确识别英文、数字,以及日期、时间等数量词,能识别人名、地名、组织机构名等未登录词。 同时提供了Lucene、Solr、ElasticSearch插件。 分词使用方法: 1、快速体验 运行项目根目录下的脚本demo-word.bat可以快速体验分词效果 用法: command [text] [input] [output] 命令command的可选值为:demo、text、file demo text 杨尚川是APDPlat应用级产品开发平台的作者 file d:/text.txt d:/word.txt exit 2、对文本进行分词 移除停用词:List words = WordSegmenter.seg("杨尚川是APDPlat应用级产品开发平台的作者"); 保留停用词:List words = WordSegmenter.segWithStopWords("杨尚川是APDPlat应用级产品开发平台的作者"); System.out.println(words); 输出: 移除停用词:[杨尚川, apdplat, 应用级, 产品, 开发平台, 作者] 保留停用词:[杨尚川, 是, apdplat, 应用级, 产品, 开发平台, 的, 作者] 3、对文件进行分词 String input = "d:/text.txt"; String output = "d:/word.txt"; 移除停用词:WordSegmenter.seg(new File(input), new File(output)); 保留停用词:WordSegmenter.segWithStopWords(new File(input), new File(output)); 4、自定义配置文件 默认配置文件为类路径下的word.conf,打包在word-x.x.jar中 自定义配置文件为类路径下的word.local.conf,需要用户自己提供 如果自定义配置和默认配置相同,自定义配置会覆盖默认配置 配置文件编码为UTF-8 5、自定义用户词库 自定义用户词库为一个或多个文件夹或文件,可以使用绝对路径或相对路径 用户词库由多个词典文件组成,文件编码为UTF-8 词典文件的格式为文本文件,一行代表一个词 可以通过系统属性或配置文件的方式来指定路径,多个路径之间用逗号分隔开 类路径下的词典文件,需要在相对路径前加入前缀classpath: 指定方式有三种: 指定方式一,编程指定(高优先级): WordConfTools.set("dic.path", "classpath:dic.txt,d:/custom_dic"); DictionaryFactory.reload();//更改词典路径之后,重新加载词典 指定方式二,Java虚拟机启动参数(中优先级): java -Ddic.path=classpath:dic.txt,d:/custom_dic 指定方式三,配置文件指定(低优先级): 使用类路径下的文件word.local.conf来指定配置信息 dic.path=classpath:dic.txt,d:/custom_dic 如未指定,则默认使用类路径下的dic.txt词典文件 6、自定义停用词词库 使用方式和自定义用户词库类似,配置项为: stopwords.path=classpath:stopwords.txt,d:/custom_stopwords_dic 7、自动检测词库变化 可以自动检测自定义用户词库和自定义停用词词库的变化 包含类路径下的文件和文件夹、非类路径下的绝对路径和相对路径 如: classpath:dic.txt,classpath:custom_dic_dir, d:/dic_more.txt,d:/DIC_DIR,D:/DIC2_DIR,my_dic_dir,my_dic_file.txt classpath:stopwords.txt,classpath:custom_stopwords_dic_dir, d:/stopwords_more.txt,d:/STOPWORDS_DIR,d:/STOPWORDS2_DIR,stopwords_dir,remove.txt 8、显式指定分词算法 对文本进行分词时,可显式指定特定的分词算法,如: WordSegmenter.seg("APDPlat应用级产品开发平台", SegmentationA
这段代码是Java中的一个方法,实现了对象的字符串表示。下面是每一行代码的解释: ```java @Override public String toString() { ``` 这一行是方法定义,表示重写了Object类中的toString()方法,并且该方法返回一个字符串。 ```java StringBuilder sb = new StringBuilder(); ``` 这一行创建了一个StringBuilder对象,用于拼接字符串。 ```java sb.append("Passage[").append(startOffset).append('-').append(endOffset).append(']'); ``` 这一行将对象的startOffsetendOffset属性拼接到字符串中,并用方括号包围起来,表示对象所代表的文本片段的起始位置和结束位置。 ```java sb.append('{'); ``` 这一行向字符串中添加左花括号,表示匹配的词语和位置信息。 ```java for (int i = 0; i < numMatches; i++) { if (i != 0) { sb.append(','); } sb.append(matchTerms[i]); sb.append('[').append(matchStarts[i]).append('-').append(matchEnds[i]).append(']'); } ``` 这一段是一个for循环,用于将对象中所有匹配的词语及其位置信息拼接到字符串中。循环中,先判断是否是第一个匹配词语,如果不是则在前面加上逗号。然后将匹配词语、匹配开始位置和匹配结束位置拼接到字符串中,用方括号包围起来。 ```java sb.append('}'); ``` 这一行向字符串中添加右花括号,表示匹配的词语和位置信息拼接结束。 ```java sb.append("score=").append(score).append(" ").append("byteLength=").append(byteLen).append(" ").append("level=").append(level); ``` 这一行将对象的score、byteLen和level属性拼接到字符串中,表示该文本片段的得分、字节数和级别。 ```java return sb.toString(); ``` 这一行使用toString()方法将StringBuilder对象转换为字符串并返回。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值