# Compound Word Token Filter（复合词过滤器） ## 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