# Compound Word Token Filter（复合词过滤器）
原文链接 :[https://www.elastic.co/guide/en/elasticsearch/reference/5.4/analysis-compound-word-tokenfilter.html](https://www.elastic.co/guide/en/elasticsearch/reference/5.4/analysis-compound-word-tokenfilter.html)
译文链接 : [http://www.apache.wiki/pages/viewpage.action?pageId=10027907](http://www.apache.wiki/pages/viewpage.action?pageId=10027907)
贡献者 : [李亚运](/display/~liyayun)，[ApacheCN](/display/~apachecn)，[Apache中文网](/display/~apachechina)
## 简述
`hyphenation_decompounder`和`dictionary_decompounder`过滤器可以将许多德语中的复合词进行拆分。
两个过滤器都需要单词字典，可以按如下方式提供：
| `word_list` | 或一系列字，在令牌过滤器配置中内联指定 |
| `word_list_path` | UTF-8编码文件的路径（绝对或相对于`config`目录），每行包含一个字。 |
## Hyphenation decompounder（连词分解）
`hyphenation_decompounder`使用连字符语法来查找潜在的字词，然后对单词字典进行检查。 输出的token质量与您使用的语法文件的质量直接相关。 对于像德语这样的语言是非常适用的。
基于XML的连字符语法文件可以在“ [对象格式化对象](http://offo.sourceforge.net/#FOP+XML+Hyphenation+Patterns) （OFFO）Sourceforge”项目中找到。 目前仅支持FOP v1.2兼容连字符文件。 您可以直接下载[offo-hyphenation_v1.2.zip](https://sourceforge.net/projects/offo/files/offo-hyphenation/1.2/offo-hyphenation_v1.2.zip/downloadALkJrhh1HOK03GnbuWiuoThBDDDion7pCg)并查看`offo-hyphenation/hyph/`目录。想了解更多可以去查看Apache FOP项目。
## Dictionary decompounder（字典分解）
`dictionary_decompounder`使用强力方法与仅字典字典结合使用复合词中的子词。 它比连字符分解器慢得多，但可以作为检验字典质量的第一步。
## Compound token filter parameters（复合词元过滤器参数）
以下参数可用于配置复合词元过滤器：
| `type` | 任何一个`dictionary_decompounder`或者是`hyphenation_decompounder` 。 |
| `word_list` | 包含用于单词字典的单词列表的数组。 |
| `word_list_path` | 单词字典的路径（绝对或相对于`config`目录）。 |
| `hyphenation_patterns_path` | FOP XML连字符模式文件的路径（绝对或相对于`config`目录）。（当连词分解时需要配置） |
| `min_word_size` | 最小字大小。 默认为5。 |
| `min_subword_size` | 最小子字大小。 默认为2。 |
| `max_subword_size` | 最大字大小。 默认为15。 |
| `only_longest_match` | 是否只包括最长的匹配子字。 默认为`false` |
如下例所示：
```
index :
analysis :
analyzer :
myAnalyzer2 :
type : custom
tokenizer : standard
filter : [myTokenFilter1, myTokenFilter2]
filter :
myTokenFilter1 :
type : dictionary_decompounder
word_list: [one, two, three]
myTokenFilter2 :
type : hyphenation_decompounder
word_list_path: path/to/words.txt
hyphenation_patterns_path: path/to/fop.xml
max_subword_size : 22
```
- Getting Started（入门指南）
- Basic Concepts（基础概念）
- Installation（安装）
- Exploring Your Cluster（探索集群）
- Cluster Health（集群健康）
- List All Indices（列出所有索引）
- Create an Index（创建索引）
- Index and Query a Document（索引和查询文档）
- Delete an Index（删除索引）
- Modifying Your Data（修改数据）
- Updating Documents（更新文档）
- Deleting Documents（删除文档）
- Batch Processing（批处理）
- Exploring Your Data（探索数据）
- The Search API（搜索 API）
- Introducing the Query Language（介绍查询语言）
- Executing Searches（执行查询）
- Executing Filters（执行过滤）
- Executing Aggregations（执行聚合）
- Conclusion（总结）
- Setup Elasticsearch（设置）
- Installing Elasticsearch（安装）
- zip 或 tar.gz 安装
- Debian软件包安装Elasticsearch
- 用RPM安装Elasticsearch
- Windows 环境下安装ES
- Docker 方式安装
- 配置Elasticsearch
- 重要Elasticsearch配置
- 安全配置
- 启动前检查
- 堆大小检查
- 文件描述符检查
- 内存锁定检查
- 最大线程数检查
- 最大虚拟内存检查
- 最大map数检查
- JVM Client模式检查
- 串行收集使用检查
- 系统调用过滤检查
- OnError与OnOutOfMemoryError检查
- G1GC检查
- 重要的系统配置
- 系统设置
- 在jvm.options中设置JVM堆大小
- 禁用swapping
- 文件描述符
- 虚拟内存
- 线程数
- 升级Elasticsearch
- Elasticsearch停机
- 重大改变
- 在5.3 重大改变
- 在5.2 重大改变
- Shadow Replicas已被弃用
- 在5.1 重大改变
- 在5.0 重大改变
- 搜索和查询DSL改变
- 映射改变
- 过滤器改变
- Suggester变化
- 索引API改变
- 文档API改变
- 设置的改变
- 分配改变
- HTTP改变
- REST API改变
- CAT API改变
- Java API改变
- Packaging
- Plugin改变
- 文件系统相关改变
- 磁盘上数据的路径
- 聚合改变
- 脚本相关改变
- API 规范
- Multiple Indices（多个索引）
- Date math support in index names（索引名称对 Date 和 Math 的支持）
- 常见选项
- URL-based access control（基于 URL 的访问控制）
- Document APIS
- Index API
- Get API
- Update API
- 通过查询 API 更新
- 多个 GET API
- Bulk API
- Reading and Writing documents（读写文档）
- Delete API
- Delete By Query API
- Reindex API
- Term Vectors
- Multi termvectors API
- ?refresh
- Search APIs
- Search
- URI Search
- Request Body Search
- Query
- From / Size
- Sort
- Source filtering
- Fields
- Script Fields
- Doc value Fields
- Post filter
- Highlighting
- Rescoring
- Search Type
- Scroll
- Preference
- Explain
- Version
- Index Boost
- min_score
- Named Queries
- Inner hits
- Search After
- Field Collapsing 字段折叠
- Search 模板
- Multi Search 模板
- Search Shards API
- Suggesters
- Completion Suggester
- Context Suggester
- Phrase Suggester
- Term suggester
- Multi Search API
- Count API
- Validate API
- Explain API
- Profile API
- Profiling Queries
- Profiling Aggregations
- Profiling Considerations
- Aggregations
- Metric Aggregations
- 值计数聚合（Value Count Aggregation）
- 地理边界聚合
- 地理重心聚合
- 基数聚合
- 平均值聚合
- 扩展统计聚合
- 最大值聚合
- 最小值聚合
- Bucket Aggregations
- Children Aggregation
- Date Histogram Aggregation
- Date Range Aggregation
- Diversified Sampler Aggregation
- Filter Aggregation（过滤器聚合）
- Filters Aggregation
- Geo Distance Aggregation(地理距离聚合)
- GeoHash grid Aggregation(GeoHash网格聚合)
- Global Aggregation(全局聚合)
- Histogram Aggregation
- IP Range Aggregation(IP范围聚合)
- Missing Aggregation
- Nested Aggregation（嵌套聚合）
- Range Aggregation(范围聚合)
- Reverse nested Aggregation
- Sampler Aggregation
- Significant Terms Aggregation
- 邻接矩阵聚合
- Pipeline Aggregations
- Avg Bucket Aggregation
- Derivative Aggregation（导数聚合）
- Max Bucket Aggregation
- Min Bucket Aggregation
- Sum Bucket Aggregation
- Stats Bucket Aggregation
- Extended Stats Bucket Aggregation（扩展信息桶聚合）
- Percentiles Bucket Aggregation（百分数桶聚合）
- Cumulative Sum Aggregation（累积汇总聚合）
- Bucket Script Aggregation（桶脚本聚合）
- Bucket Selector Aggregation（桶选择器聚合）
- Serial Differencing Aggregation（串行差异聚合）
- Matrix Aggregations
- Matrix Stats
- Matrix Stats（矩阵统计）
- Caching heavy aggregations（缓存频繁聚合）
- Returning only aggregation results（仅返回需要聚合的结果）
- Aggregation Metadata（聚合元数据）
- Returning the type of the aggregation（返回聚合的类型）
- 索引 API
- Create Index /创建索引
- Delete Index /删除索引
- Get Index /获取索引
- Indices Exists /索引存在
- Open / Close Index API /启动关闭索引
- Shrink Index /缩小索引
- Rollover Index/滚动索引
- Put Mapping /提交映射
- Get Mapping /获取映射
- Get Field Mapping /获取字段映射
- 卷影副本索引
- 依赖卷影副本的节点级设置
- 索引统计信息
- 索引段
- 索引恢复
- 索引分片存储
- 清理缓存
- 刷新
- 同步刷新
- 重新加载
- 强制合并
- cat APIs
- cat aliases
- cat allocation
- cat count
- cat fielddata
- cat health
- cat indices
- cat master
- cat nodeattrs
- cat nodes
- cat pending tasks
- cat plugins
- cat recovery
- cat repositories
- cat thread pool
- cat shards
- cat segments
- cat snapshots
- 集群 API
- Cluster Allocation Explain API
- Cluster Health
- Cluster Reroute
- Cluster State
- Cluster Stats
- Cluster Update Settings
- Nodes hot_threads
- Nodes Info
- Nodes Stats
- Pending cluster tasks
- Task Management API
- 查询 DSL
- 查询和过滤上下文
- Match ALL 查询
- 全文搜索
- 匹配查询
- 短语匹配查询
- 短语前缀匹配查询
- 多字段查询
- 常用术语查询
- 查询语句查询
- 简单查询语句
- 复合查询家族
- Constant Score 查询
- Bool 查询
- Dis Max 查询
- Function Score 查询
- Boosting 查询
- Indices 查询
- Join 查询
- Has Child Query
- Has Parent Query
- Nested Query(嵌套查询)
- Parent Id Query
- 术语查询
- Exists Query(非空值查询)
- Fuzzy Query(模糊查询)
- Ids Query(ID 查询)
- Prefix Query(前缀查询)
- Range Query(范围查询)
- Regexp Query(正则表达式查询)
- Term Query(项查询)
- Terms Query(多项查询)
- Type Query(类型查询)
- Wildcard Query(通配符查询)
- 地理位置查询
- GeoShape Query(地理形状查询)
- Geo Bounding Box Query（地理边框查询）
- Geo Distance Query（地理距离查询）
- Geo Distance Range Query（地理距离范围查询）
- Geo Polygon Query（地理多边形查询）
- Span 查询
- Span Term 查询
- Span Multi Term 查询
- Span First 查询
- Span Near 查询
- Span Or 查询
- Span Not 查询
- Span Containing 查询
- Span Within 查询
- Span Field Masking 查询
- Specialized queries(专业查询)
- Mapping(映射)
- 字段类型
- Array
- Binary
- Range
- Boolean
- Date
- Geo-point datatype
- String
- Text
- Token数
- 渗滤型
- KeyWord
- Nested
- Object
- Numeric
- Meta-Fields（元字段）
- _all field
- _field_names field
- _id field
- _index field
- _meta field
- _parent field
- _routing field
- _source field
- _type field
- _uid field
- Mapping parameters（映射参数）
- analyzer（分析器）
- normalizer(归一化)
- boost(提升)
- Coerce（强制类型转换）
- copy_to（合并参数）
- doc_values（文档值）
- dynamic（动态设置）
- enabled（开启字段）
- fielddata（字段数据）
- format （日期格式）
- ignore_above（忽略超越限制的字段）
- ignore_malformed（忽略格式不对的数据）
- include_in_all（_all 查询包含字段）
- index_options（索引设置）
- index （索引）
- fields（字段)
- Norms （标准信息）
- null_value（空值）
- position_increment_gap（短语位置间隙）
- properties （属性）
- search_analyzer （搜索分析器）
- similarity （匹配方法）
- store（存储）
- Term_vectors（词根信息）
- Dynamic Mapping（动态映射）
- default mapping(mapping中的_default_)
- Dynamic field mapping(动态字段映射)
- Dynamic templates(动态模板)
- Override default template(覆盖默认模板)
- Mapping（映射）
- Analysis
- Tokenizers（分词器）
- Standard Tokenizer（标准分词器）
- Letter Tokenizer
- Lowercase Tokenizer (小写分词器)
- Whitespace Analyzer
- 停止分析器
- UAX URL Email Tokenizer
- Classic Tokenizer
- Thai Tokenizer（泰语分词器）
- NGram Tokenizer
- Keyword Analyzer
- Path Hierarchy Tokenizer（路径层次分词器）
- Pattern Tokenizer
- Token Filters（词元过滤器）
- Apostrophe Token Filter(撇号/单引号过滤器)
- ASCII Folding Token Filter（ASCII Folding 词元过滤器）
- CJK Bigram Token Filter（CJK Bigram词元过滤器）
- CJK Width Token Filter（CJK宽度过滤器）
- Classic Token Filter(经典过滤器)
- Common Grams Token Filter(近义词词元过滤器)
- Compound Word Token Filter（复合词过滤器）
- Decimal Digit Token Filter(十进制数字过滤器)
- Delimited Payload Token Filter（Delimited Payload词元分析器）
- Edge NGram Token Filter（Edge NGram 词元过滤器）
- Elision Token Filter(Elision词元过滤器)
- Fingerprint Token Filter(指纹过滤器)
- Flatten Graph Token Filter（Flatten Graph 词元过滤器）
- Hunspell Token Filter(Hunspell 词元过滤器)
- Keep Types Token Filter（保留指定类型过滤器）
- Keep Words Token Filter(保留字过滤器)
- Keyword Marker Token Filter（Keyword Marker 词元过滤器）
- Keyword Repeat Token Filter（Keyword Repeat 词元过滤器）
- KStem Token Filter（KStem 词元过滤器）
- Length Token Filter（长度词元过滤器）
- Limit Token Count Token Filter(限制词元数量过滤器)
- Lowercase Token Filter（Lowercase 词元过滤器）
- Minhash Token Filter(Minhash过滤器)
- NGram Token Filter（NGram词元过滤器）
- Normalization Token Filter（标准化词元过滤器）
- Pattern Capture Token Filter(模式匹配词元过滤器)
- Pattern Replace Token Filter（模式替换词元过滤器）
- Phonetic Token Filter（Phonetic 词元过滤器）
- Porter Stem Token Filter（Porter Stem 词元过滤器）
- Reverse Token Filteredit(反向词元过滤器)
- Shingle Token Filter（Shingle 词元过滤器）
- Snowball Token Filter（Snowball 词元过滤器）
- Standard Token Filters（标准词元过滤器）
- Stemmer Override Token Filter（Stemmer Override 词元过滤器）
- Stemmer Token Filter（Stemmer 词元过滤器）
- Stop Token Filter（Stop 词元过滤器）
- Synonym Graph Token Filter（Synonym Graph 词元过滤器）
- Synonym Token Filter（Synonym 词元过滤器）
- Trim Token Filter(Trim词元过滤器)
- Truncate Token Filter（截断词元过滤器）
- Unique Token Filter（唯一词元过滤器）
- Uppercase Token Filter（Uppercase词元过滤器）
- Word Delimiter Token Filter（Word Delimiter 词元过滤器）
- Character Filters（字符过滤器）
- md Strip Character Filter
- Mapping Character Filter
- Pattern Replace Character Filter
- Anatomy of an analyzer（分析器的分析）
- Testing analyzers（测试分析器）
- Analyzers(分析器)
- Configuring built-in analyzers（配置内置分析器）
- Standard Analyzer（标准分析器）
- Simple Analyzer（简单分析器）
- 空白分析器
- Stop Analyzer
- 指纹分析器
- 模式分析器
- 自定义分析器
- 语言分析器
- 模块
- Indices（索引）
- Circuit breakers（熔断器）
- Fielddata cache(列数据缓存)
- indexing buffer(索引写入缓冲)
- indices Recovery(索引恢复)
- NetWork Setting(网络配置)
- Node Query Cache（节点查询缓存）
- Shard request cache(分片请求缓存)
- 脚本
- Groovy 脚本语言
- Painless 脚本语言
- Painless 语法
- Painless 调试
- Lucene表达式语言
- 原生（Java）脚本
- 高级文本评分脚本
- 快照和还原
- 线程池
- 传输
- HTTP
- Tribe Node (部落节点)
- 跨集群搜索
- Cluster（集群）
- Disk-based Shard Allocation ( 基于磁盘的分片分配 )
- Shard Allocation Awareness ( 分片分配意识 )
- 群集级别分片分配
- Node
- 插件
- Index Modules（索引模块）
- Analysis（分析）
- 索引分片分配
- 分片分配过滤
- 节点丢失时的延迟分配
- 索引恢复的优先级
- 每个节点的总分片数
- Mapper（映射）
- Merge（合并）
- Similarity module（相似模块）
- Slow log（慢日志）
- Store
- 预加载数据到文件系统缓存
- Translog（事务日志）
- Ingest Node（预处理节点）
- Pipeline Definition（管道定义）
- Ingest APIs
- Put Pipeline API
- Get Pipeline API
- Delete Pipeline API
- Simulate Pipeline API（模拟管道 API）
- Accessing Data in Pipelines（访问管道中的数据）
- Handling Failures in Pipelines（处理管道中的故障）
- Processors（处理器）
- Append Processor（追加处理器）
- Convert Processor（转换处理器）
- Date Processor（日期处理器）
- Date Index Name Processor（日期索引名称处理器）
- Fail Processor（故障处理器）
- Foreach Processor（循环处理器）
- Grok Processor（Grok 处理器）
- Gsub Processor（Gsub 处理器）
- Join Processor（连接处理器）
- JSON Processor（JSON 处理器）
- KV Processor（KV 处理器）
- Lowercase Processor（小写处理器）
- Remove Processor（删除处理器）
- Rename Processor（重命名处理器）
- Script Processor（脚本处理器）
- Set Processor（设置处理器）
- Split Processor（拆分处理器）
- Sort Processor（排序处理器）
- Trim Processor（修剪处理器）
- Uppercase Processor（大写处理器）
- Dot Expander Processor（点扩展器处理器）
- How to（操作方式）
- 一些建议
- Recipes（诀窍）
- 索引速率调优
- 查询优化
- 磁盘使用调优
- Testing（测试）
- Java Testing Framework（测试框架）
- ( why randomized testing ) 为什么随机测试？
- Using the elasticsearch test classes ( 使用 elasticsearch 测试类 )
- unit tests（单元测试）
- integreation test（集成测试）
- Randomized testing（随机测试）
- Assertions（）
- Glossary of terms (词汇表)
- Release Notes（版本说明）
- 5.3.0 版本说明
- 5.2.2 Release Notes
- 5.2.1 Release Notes
- 5.2.0 Release Notes
- 5.1.2 Release Notes
- 5.1.1 Release Notes
- 5.1.0 Release Notes
- 5.0.1 Release Notes