Last active
May 4, 2024 16:31
-
-
Save luizgpsantos/f9b2f57ea13e7515b48a to your computer and use it in GitHub Desktop.
Analyzer para plural e acentos no elasticsearch
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
// Ao [criar o índice][0], especifique um [analyzer customizado][1] responsável por tratar palavras | |
// com caracteres especiais e o plural da lingua Portuguesa. Algumas palavras precisarão de uma | |
// sintonia fina, o que pode ser feito através de [stemmer overrides][2]. Além disso, ao criar um | |
// campo atribua o analyzer a ele. | |
PUT produtos | |
{ | |
"settings": { | |
"analysis": { | |
"analyzer": { | |
"analyzer_plural_acentos": { | |
"tokenizer": "standard", | |
"filter": [ | |
"lowercase", | |
"custom_stems", | |
"stemmer_plural_portugues", | |
"asciifolding" | |
] | |
} | |
}, | |
"filter": { | |
"custom_stems": { | |
"type": "stemmer_override", | |
"rules": [ | |
"televisoes => televisão" | |
] | |
}, | |
"stemmer_plural_portugues": { | |
"type": "stemmer", | |
"name": "minimal_portuguese" | |
} | |
} | |
} | |
}, | |
"mappings": { | |
"properties": { | |
"titulo": { | |
"type": "text", | |
"analyzer": "analyzer_plural_acentos" | |
} | |
} | |
} | |
} | |
// Indexe os documentos, que podem conter acentos, maiusculas, plural, etc... | |
PUT produtos/_doc/1 | |
{ | |
"titulo": "avelãs" | |
} | |
PUT produtos/_doc/2 | |
{ | |
"titulo": "televisão" | |
} | |
// Faça uma busca utilizando um termo sem acento ou no plural. O resultado deve conter os | |
// documentos com os termos acentuados e no singular. | |
POST produtos/_search | |
{ | |
"query": { | |
"match": { | |
"titulo": "televisoes" | |
} | |
} | |
} | |
// Outro exemplo de query... | |
POST produtos/_search | |
{ | |
"query": { | |
"match": { | |
"titulo": "AVELAS" | |
} | |
} | |
} | |
// Para entender como o analyzer customizado está gerando os tokens, podemos utilizar a [analyze API][3]: | |
GET produtos/_analyze | |
{ | |
"text": ["televisões", "televisoes", "AVELAS"], | |
"analyzer": "analyzer_plural_acentos" | |
} | |
[0]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-create-index.html | |
[1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-custom-analyzer.html | |
[2]: https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-stemmer-override-tokenfilter.html | |
[3]: https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-analyze.html |
Olá @luizgpsantos, muito obrigado pela pronta resposta, funcionou perfeitamente para o que eu estava estudando!
Mais uma vez obrigado pela disponibilidade e pelo post que foi muito claro e objetivo, parabéns!
;-)
Parabéns pelo conteúdo compartilhado, ajudou bastante 👍
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
[EDIT]: Atualizei o exemplo para ser compatível com a versão atual do Elasticsearch (7.11.0).