Remove Punct

removepunct 过滤器会从词项流中移除包含标点符号或空白字符的词项。当您希望进行更干净的文本处理、专注于有意义的内容词而非标点时，可以使用该过滤器。

说明

• 该过滤器在 jieba、lindera 和 icu tokenizer 中最有效，因为这些 tokenizer 会将标点保留为独立的 token（例如 "Hello!" → ["Hello", "!"]）。

• standard 分词器会在分词阶段丢弃标点符号。whitespace 分词器会保留标点符号，包括词项内部的标点。与 whitespace 配合使用时，如果词项包含标点符号或空白字符，removepunct 会删除整个词项，而不是仅移除其中的个别字符。

配置

removepunct 过滤器已内置在 Zilliz Cloud 中。要使用它，只需在 analyzer_params 的 filter 部分指定其名称即可。

Python

python

analyzer_params = {
    "tokenizer": "jieba",
    "filter": ["removepunct"]
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "jieba");
analyzerParams.put("filter", Collections.singletonList("removepunct"));

NodeJS

javascript

// node

Go

go

analyzerParams = map[string]any{"tokenizer": "jieba", "filter": []any{"removepunct"}}

cURL

bash

# restful

removepunct 过滤器作用于分词器生成的词项，因此必须与分词器结合使用。

定义 analyzer_params 后，您可以在定义 Collection Schema 时将其应用于 VARCHAR 字段。这使得 Zilliz Cloud 能够使用指定的分析器处理该字段中的文本，以实现高效的分词和过滤。更多信息，请参阅使用示例。

示例输出

在完成 Analyzer 配置后，您可以使用 run_analyzer 方法来验证分词效果是否符合预期。

Analyzer 配置

Python

python

analyzer_params = {
    "tokenizer": "icu",
    "filter": ["removepunct"]
}

Java

java

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "icu");
analyzerParams.put("filter", Collections.singletonList("removepunct"));

NodeJS

javascript

// node

Go

go

analyzerParams = map[string]any{"tokenizer": "icu", "filter": []string{"removepunct"}}

cURL

bash

# restful

使用 run_analyzer 验证效果

Python

python

from pymilvus import (
    MilvusClient,
)

client = MilvusClient(uri="YOUR_CLUSTER_ENDPOINT")

# Sample text to analyze
sample_text = "Привет! Как дела?"

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("Standard analyzer output:", result)

Java

java

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.RunAnalyzerReq;
import io.milvus.v2.service.vector.response.RunAnalyzerResp;

ConnectConfig config = ConnectConfig.builder()
        .uri("YOUR_CLUSTER_ENDPOINT")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("Привет! Как дела?");

RunAnalyzerResp resp = client.runAnalyzer(RunAnalyzerReq.builder()
        .texts(texts)
        .analyzerParams(analyzerParams)
        .build());
List<RunAnalyzerResp.AnalyzerResult> results = resp.getResults();

NodeJS

javascript

// javascript

Go

go

import (
    "context"
    "encoding/json"
    "fmt"

    "github.com/milvus-io/milvus/client/v2/milvusclient"
)

client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "YOUR_CLUSTER_ENDPOINT",
    APIKey:  "YOUR_CLUSTER_TOKEN",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

bs, _ := json.Marshal(analyzerParams)
texts := []string{"Привет! Как дела?"}
option := milvusclient.NewRunAnalyzerOption(texts).
    WithAnalyzerParams(string(bs))

result, err := client.RunAnalyzer(ctx, option)
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

cURL

bash

# restful

预期结果

sql

['Привет', 'Как', 'дела']