# Pattern Capture Token Filter(模式匹配词元过滤器) ## 简述 `pattern_capture词元`过滤器与`pattern 分词器`不同，为正则表达式中的每个捕获组发出一个token。   模式不会锚定到字符串的开始和结尾，每个模式可以匹配多次，并且允许重复匹配。 小心病态正则表达式 模式捕获令牌过滤器使用[Java正则表达式](http://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html) 。 一个严重的正则表达式可能会运行得非常慢，甚至会抛出一个StackOverflowError，并导致其运行的节点突然退出。 阅读更多[关于病态正则表达式和如何避免它们](http://www.regular-expressions.info/catastrophic.html) 。   ## 示例-1 举例如下： 正则： | `"(([a-z]+)(\d*))"` | 待匹配文字： | `"abc123def456"` | 匹配结果： | `[ abc123, abc, ``123``, def456, def, ``456` `]` | 如果`preserve_original`设置为`true` （默认值），那么它也会发出原始令牌： `abc123def456` 。 这对于索引文本（如驼峰式代码）特别有用，例如`stripHTML` ，用户可以在其中搜索`"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"` `]` `}` `}` `}` `}` `}` | 当处理如下文本内容时： | `import` `static` `org.apache.commons.lang.StringEscapeUtils.escapeHtml` | 结果如下： | `[ ``import``, ``static``, org, apache, commons, lang, stringescapeutils, string, escape, utils, escapehtml, escape, html ]` | ## 示例-2 别一个例子就是分析邮箱时，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"` `]` `}` `}` `}` `}` `}` |   当邮箱格式如下时： | `john-smith_123``@foo``-bar.com` |   最终处理结果将为： | `john-smith_123``@foo``-bar.com, john-smith_123,` `john, smith, ``123``, foo-bar.com, foo, bar, com` |   需要多种模式以允许重复捕获，但也意味着模式不复杂和易于理解。 注意：所有token都以相同的位置处理，并且具有相同的字符偏移量，因此当与突出显示相结合时，**整个原始token将被突出显示，而不仅仅是匹配的子集**。   例如，查询上述电子邮件地址`"smith",`将会突出显示整个原始token： | `<em>john-smith_123``@foo``-bar.com</em>` | 而非仅高亮smith: | `john-<em>smith</em>_123``@foo``-bar.com` |