Indexes - Analyze

Služba:: Search Service

Verze rozhraní API:: 2023-11-01

Ukazuje, jak analyzátor rozdělí text na tokeny.

POST {endpoint}/indexes('{indexName}')/search.analyze?api-version=2023-11-01

Parametry identifikátoru URI

Name	V	Vyžadováno	Typ	Description
endpoint	path	True	string	Adresa URL koncového bodu vyhledávací služby.
indexName	path	True	string	Název indexu, pro který se má testovat analyzátor.
api-version	query	True	string	Verze rozhraní API klienta.

Hlavička požadavku

Name	Vyžadováno	Typ	Description
x-ms-client-request-id		string (uuid)	ID sledování odeslané s požadavkem, které vám pomůže s laděním.

Text požadavku

Name	Vyžadováno	Typ	Description
text	True	string	Text, který se má rozdělit na tokeny.
analyzer		LexicalAnalyzerName	Název analyzátoru, který se má použít k přerušení daného textu. Pokud tento parametr není zadaný, musíte místo toho zadat tokenizátor. Parametry tokenizátoru a analyzátoru se vzájemně vylučují.
charFilters		CharFilterName[]	Volitelný seznam filtrů znaků, které se mají použít při přerušení daného textu. Tento parametr lze nastavit pouze při použití parametru tokenizátoru.
tokenFilters		TokenFilterName[]	Volitelný seznam filtrů tokenů, které se mají použít při přerušení daného textu. Tento parametr lze nastavit pouze při použití parametru tokenizátoru.
tokenizer		LexicalTokenizerName	Název tokenizátoru, který se má použít k přerušení daného textu. Pokud tento parametr není zadaný, musíte místo toho zadat analyzátor. Parametry tokenizátoru a analyzátoru se vzájemně vylučují.

Odpovědi

Name	Typ	Description
200 OK	AnalyzeResult
Other Status Codes	SearchError	Chybová odpověď.

Příklady

SearchServiceIndexAnalyze

Ukázkový požadavek

HTTP

POST https://myservice.search.windows.net/indexes('hotels')/search.analyze?api-version=2023-11-01

{
  "text": "Text to analyze",
  "analyzer": "standard.lucene"
}

Ukázková odpověď

Stavový kód:: 200

{
  "tokens": [
    {
      "token": "text",
      "startOffset": 0,
      "endOffset": 4,
      "position": 0
    },
    {
      "token": "to",
      "startOffset": 5,
      "endOffset": 7,
      "position": 1
    },
    {
      "token": "analyze",
      "startOffset": 8,
      "endOffset": 15,
      "position": 2
    }
  ]
}

Definice

Name	Description
AnalyzedTokenInfo	Informace o tokenu vráceného analyzátorem
AnalyzeRequest	Určuje některé součásti textu a analýzy, které slouží k rozdělení textu na tokeny.
AnalyzeResult	Výsledek testování analyzátoru na textu
CharFilterName	Definuje názvy všech filtrů znaků podporovaných vyhledávacím webem.
LexicalAnalyzerName	Definuje názvy všech textových analyzátorů podporovaných vyhledávacím webem.
LexicalTokenizerName	Definuje názvy všech tokenizátorů podporovaných vyhledávacím webem.
SearchError	Popisuje chybový stav rozhraní API.
TokenFilterName	Definuje názvy všech filtrů tokenů podporovaných vyhledávacím webem.

AnalyzedTokenInfo

Objekt

Informace o tokenu vráceného analyzátorem

Name	Typ	Description
endOffset	integer (int32)	Index posledního znaku tokenu ve vstupním textu.
position	integer (int32)	Pozice tokenu ve vstupním textu vzhledem k jiným tokenům. První token vstupního textu má pozici 0, další má pozici 1 atd. V závislosti na použitém analyzátoru můžou mít některé tokeny stejnou pozici, například pokud se jedná o synonyma sebe navzájem.
startOffset	integer (int32)	Index prvního znaku tokenu ve vstupním textu.
token	string	Token vrácený analyzátorem.

AnalyzeRequest

Objekt

Určuje některé součásti textu a analýzy, které slouží k rozdělení textu na tokeny.

Name	Typ	Description
analyzer	LexicalAnalyzerName	Název analyzátoru, který se má použít k přerušení daného textu. Pokud tento parametr není zadaný, musíte místo toho zadat tokenizátor. Parametry tokenizátoru a analyzátoru se vzájemně vylučují.
charFilters	CharFilterName[]	Volitelný seznam filtrů znaků, které se mají použít při přerušení daného textu. Tento parametr lze nastavit pouze při použití parametru tokenizátoru.
text	string	Text, který se má rozdělit na tokeny.
tokenFilters	TokenFilterName[]	Volitelný seznam filtrů tokenů, které se mají použít při přerušení daného textu. Tento parametr lze nastavit pouze při použití parametru tokenizátoru.
tokenizer	LexicalTokenizerName	Název tokenizátoru, který se má použít k přerušení daného textu. Pokud tento parametr není zadaný, musíte místo toho zadat analyzátor. Parametry tokenizátoru a analyzátoru se vzájemně vylučují.

AnalyzeResult

Objekt

Výsledek testování analyzátoru na textu

Name	Typ	Description
tokens	AnalyzedTokenInfo[]	Seznam tokenů vrácených analyzátorem zadaným v požadavku.

CharFilterName

Výčet

Definuje názvy všech filtrů znaků podporovaných vyhledávacím webem.

Hodnota	Description
html_strip	Filtr znaků, který se pokusí odstranit konstruktory HTML. Podívejte se na https://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/charfilter/HTMLStripCharFilter.html

LexicalAnalyzerName

Výčet

Definuje názvy všech textových analyzátorů podporovaných vyhledávacím webem.

Hodnota	Description
ar.microsoft	Microsoft Analyzer pro arabštinu.
ar.lucene	Analyzátor Lucene pro arabštinu.
hy.lucene	Analyzátor Lucene pro Arménii.
bn.microsoft	Analyzátor společnosti Microsoft pro bengálštinu.
eu.lucene	Analyzátor Lucene pro baskičtina.
bg.microsoft	Microsoft Analyzer pro bulharštinu.
bg.lucene	Analyzátor Lucene pro bulharštinu.
ca.microsoft	Microsoft Analyzer pro katalánštinu.
ca.lucene	Analyzátor Lucene pro katalánštinu.
zh-Hans.microsoft	Microsoft Analyzer pro čínštinu (zjednodušená).
zh-Hans.lucene	Analyzátor Lucene pro čínštinu (zjednodušená).
zh-Hant.microsoft	Microsoft Analyzer pro čínštinu (tradiční).
zh-Hant.lucene	Analyzátor Lucene pro čínštinu (tradiční).
hr.microsoft	Microsoft Analyzer pro chorvatštinu.
cs.microsoft	Microsoft Analyzer pro češtinu.
cs.lucene	Lucene analyzer pro češtinu.
da.microsoft	Microsoft Analyzer pro dánštinu.
da.lucene	Analyzátor Lucene pro dánštinu.
nl.microsoft	Microsoft Analyzer pro nizozemštinu.
nl.lucene	Analyzátor Lucene pro nizozemštinu.
en.microsoft	Microsoft Analyzer pro angličtinu.
en.lucene	Lucene Analyzer pro angličtinu.
et.microsoft	Analyzátor společnosti Microsoft pro estonštinu.
fi.microsoft	Microsoft Analyzer pro finštinu.
fi.lucene	Lucene Analyzer pro finštinu.
fr.microsoft	Microsoft Analyzer pro francouzštinu.
fr.lucene	Lucene analyzer pro francouzštinu.
gl.lucene	Analyzátor Lucene pro Galicijštinu.
de.microsoft	Microsoft Analyzer pro němčinu.
de.lucene	Lucene analyzer pro němčinu.
el.microsoft	Microsoft Analyzer pro řečtinu.
el.lucene	Lucene analyzer pro řečtinu.
gu.microsoft	Analyzátor společnosti Microsoft pro gudžarátštinu.
he.microsoft	Microsoft Analyzer for Hebrejština.
hi.microsoft	Microsoft Analyzer pro hindštinu.
hi.lucene	Lucene analyzátor pro hindštinu.
hu.microsoft	Microsoft Analyzer pro maďarštinu.
hu.lucene	Analyzátor Lucene pro maďarštinu.
is.microsoft	Microsoft Analyzer pro Islandštinu.
id.microsoft	Microsoft analyzer for Indonéština (Bahasa).
id.lucene	Analyzátor Lucene pro indonéštinu.
ga.lucene	Lucene analyzer pro irštinu.
it.microsoft	Microsoft Analyzer pro italštinu.
it.lucene	Analyzátor Lucene pro italštinu.
ja.microsoft	Microsoft Analyzer pro japonštinu.
ja.lucene	Lucene Analyzer pro japonštinu.
kn.microsoft	Analyzátor společnosti Microsoft pro kannadštinu.
ko.microsoft	Microsoft Analyzer pro korejštinu.
ko.lucene	Lucene Analyzer pro korejštinu.
lv.microsoft	Microsoft Analyzer pro lotyštinu.
lv.lucene	Analyzátor Lucene pro lotyštinu.
lt.microsoft	Microsoft Analyzer pro litevštinu.
ml.microsoft	Microsoft Analyzer pro Malayalam.
ms.microsoft	Microsoft Analyzer for Malay (latinka).
mr.microsoft	Microsoft analyzer pro maráthštinu.
nb.microsoft	Microsoft Analyzer pro norštinu (Bokmål).
no.lucene	Analyzátor Lucene pro norštinu.
fa.lucene	Lucene analyzátor perský.
pl.microsoft	Microsoft Analyzer pro polštinu.
pl.lucene	Analyzátor Lucene pro polštinu.
pt-BR.microsoft	Microsoft Analyzer pro portugalštinu (Brazílie).
pt-BR.lucene	Analyzátor Lucene pro portugalštinu (Brazílie).
pt-PT.microsoft	Microsoft Analyzer pro portugalštinu (Portugalsko).
pt-PT.lucene	Analyzátor Lucene pro portugalštinu (Portugalsko).
pa.microsoft	Microsoft analyzer pro paňdžábštinu.
ro.microsoft	Microsoft Analyzer pro rumunštinu.
ro.lucene	Lucene analyzer pro rumunštinu.
ru.microsoft	Microsoft Analyzer pro ruštinu.
ru.lucene	Lucene analyzer pro ruštinu.
sr-cyrillic.microsoft	Microsoft Analyzer pro srbštinu (cyrilice).
sr-latin.microsoft	Microsoft Analyzer pro srbštinu (latinka).
sk.microsoft	Microsoft Analyzer pro slovenštinu.
sl.microsoft	Microsoft Analyzer pro slovinštinu.
es.microsoft	Microsoft Analyzer pro španělštinu.
es.lucene	Lucene analyzer pro španělštinu.
sv.microsoft	Microsoft Analyzer pro švédštinu.
sv.lucene	Lucene analyzer pro švédštinu.
ta.microsoft	Microsoft Analyzer pro tamilštinu.
te.microsoft	Microsoft Analyzer pro Telugu.
th.microsoft	Microsoft Analyzer pro thajštinu.
th.lucene	Analyzátor Lucene pro thajštinu.
tr.microsoft	Microsoft Analyzer pro turečtinu.
tr.lucene	Analyzátor Lucene pro turečtinu.
uk.microsoft	Microsoft Analyzer pro ukrajinštinu.
ur.microsoft	Microsoft analyzer pro urdštinu.
vi.microsoft	Microsoft Analyzer pro vietnamštinu.
standard.lucene	Standardní analyzátor Lucene.
standardasciifolding.lucene	Standardní analyzátor ASCII Folding Lucene. Podívejte se na https://docs.microsoft.com/rest/api/searchservice/Custom-analyzers-in-Azure-Search#Analyzers
keyword	Považuje celý obsah pole za jediný token. To je užitečné pro data, jako jsou PSČ, ID a některé názvy produktů. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/KeywordAnalyzer.html
pattern	Pružně odděluje text do termínů pomocí vzoru regulárního výrazu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/PatternAnalyzer.html
simple	Rozdělí text bez písmen a převede je na malá písmena. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/SimpleAnalyzer.html
stop	Rozdělí text bez písmen; Použije filtry tokenů s malými písmeny a stopword. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/StopAnalyzer.html
whitespace	Analyzátor, který používá tokenizátor prázdných znaků. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/WhitespaceAnalyzer.html

LexicalTokenizerName

Výčet

Definuje názvy všech tokenizátorů podporovaných vyhledávacím webem.

Hodnota	Description
classic	Tokenizátor založený na gramatikě, který je vhodný pro zpracování většiny dokumentů evropského jazyka. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/standard/ClassicTokenizer.html
edgeNGram	Tokenizuje vstup z okraje na n-gramy dané velikosti. Podívejte se na https://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ngram/EdgeNGramTokenizer.html
keyword_v2	Vygeneruje celý vstup jako jeden token. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/KeywordTokenizer.html
letter	Rozdělí text bez písmen. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/LetterTokenizer.html
lowercase	Rozdělí text bez písmen a převede je na malá písmena. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/LowerCaseTokenizer.html
microsoft_language_tokenizer	Rozdělí text pomocí pravidel specifických pro jazyk.
microsoft_language_stemming_tokenizer	Rozdělí text pomocí pravidel specifických pro jazyk a zmenšuje slova na jejich základní formuláře.
nGram	Tokenizuje vstup na n-gramy dané velikosti. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ngram/NGramTokenizer.html
path_hierarchy_v2	Tokenizátor pro hierarchie podobné cestě. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/path/PathHierarchyTokenizer.html
pattern	Tokenizátor, který používá porovnávání vzorů regulárních výrazů k vytvoření jedinečných tokenů. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/pattern/PatternTokenizer.html
standard_v2	Standardní analyzátor Lucene; Skládá se ze standardního tokenizátoru, filtru malými písmeny a filtru zastavení. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/standard/StandardTokenizer.html
uax_url_email	Tokenizuje adresy URL a e-maily jako jeden token. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/standard/UAX29URLEmailTokenizer.html
whitespace	Rozdělí text na prázdné znaky. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/WhitespaceTokenizer.html

SearchError

Objekt

Popisuje chybový stav rozhraní API.

Name	Typ	Description
code	string	Jedna ze serverově definovaných kódů chyb.
details	SearchError[]	Pole podrobností o konkrétních chybách, které vedly k této nahlášené chybě.
message	string	Čitelné znázornění chyby člověkem.

TokenFilterName

Výčet

Definuje názvy všech filtrů tokenů podporovaných vyhledávacím webem.

Hodnota	Description
arabic_normalization	Filtr tokenů, který použije arabský normalizátor k normalizaci orthografie. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ar/ArabicNormalizationFilter.html
apostrophe	Odstraní všechny znaky za apostrofem (včetně samotného apostrofu). Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/tr/ApostropheFilter.html
asciifolding	Převede abecední, číselné a symbolické znaky Unicode, které nejsou v prvních 127 znaky ASCII (blok "Základní latinka") na jejich ekvivalenty ASCII, pokud takové ekvivalenty existují. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/ASCIIFoldingFilter.html
cjk_bigram	Tvoří bigramy výrazů CJK, které se generují ze standardního tokenizátoru. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/cjk/CJKBigramFilter.html
cjk_width	Normalizuje rozdíly šířky CJK. Přeloží varianty ASCII na ekvivalentní základní latinku a varianty Katakana s poloviční šířkou do ekvivalentní Kana. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/cjk/CJKWidthFilter.html
classic	Odebere anglické přivlastnické a tečky ze zkratek. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/standard/ClassicFilter.html
common_grams	Při indexování vytvořte bigramy pro často se vyskytující termíny. Jednotlivé termíny jsou stále indexované, s překryvnými bigramy. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/commongrams/CommonGramsFilter.html
edgeNGram_v2	Vygeneruje n-gramy dané velikosti počínaje přední nebo zadní částí vstupního tokenu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ngram/EdgeNGramTokenFilter.html
elision	Odebere elisions. Například "l'avion" (letadlo) bude převedeno na "avion" (letadlo). Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/util/ElisionFilter.html
german_normalization	Normalizuje německé znaky podle heuristiky německého snowball algoritmu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/de/GermanNormalizationFilter.html
hindi_normalization	Normalizuje text v hindštině a odebere některé rozdíly v pravopisných variantách. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/hi/HindiNormalizationFilter.html
indic_normalization	Normalizuje reprezentaci textu v indickém jazyce unicode. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/in/IndicNormalizationFilter.html
keyword_repeat	Vygeneruje každý příchozí token dvakrát, jednou jako klíčové slovo a jednou jako jiné než klíčové slovo. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/KeywordRepeatFilter.html
kstem	Vysoce výkonný filtr kstem pro angličtinu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/en/KStemFilter.html
length	Odebere slova, která jsou příliš dlouhá nebo příliš krátká. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/LengthFilter.html
limit	Omezuje počet tokenů při indexování. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/LimitTokenCountFilter.html
lowercase	Normalizuje text tokenu na malá písmena. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/LowerCaseFilter.htm
nGram_v2	Vygeneruje n-gramy dané velikosti. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ngram/NGramTokenFilter.html
persian_normalization	Použije normalizaci pro Perštinu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/fa/PersianNormalizationFilter.html
phonetic	Vytváření tokenů pro fonetické shody Podívejte se na https://lucene.apache.org/core/4_10_3/analyzers-phonetic/org/apache/lucene/analysis/phonetic/package-tree.html
porter_stem	Používá algoritmus vytváření tokenů porteru k transformaci datového proudu tokenu. Podívejte se na http://tartarus.org/~martin/PorterStemmer
reverse	Vrátí řetězec tokenu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/reverse/ReverseStringFilter.html
scandinavian_normalization	Normalizuje použití zaměnitelných severských znaků. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/ScandinavianNormalizationFilter.html
scandinavian_folding	Složené severské znaky åÅäæÄÆ->a a öÖøØ->o. Také diskriminuje použití dvojitých samohlásek aa, ae, ao, oe a oo, ponechání jen první. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/ScandinavianFoldingFilter.html
shingle	Vytvoří kombinace tokenů jako jeden token. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/shingle/ShingleFilter.html
snowball	Filtr, který vychází ze slov pomocí vygenerovaného smyšlí snowballu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/snowball/SnowballFilter.html
sorani_normalization	Normalizuje reprezentaci textu Sorani v kódování Unicode. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/ckb/SoraniNormalizationFilter.html
stemmer	Filtr pro konkrétní jazyk. Podívejte se na https://docs.microsoft.com/rest/api/searchservice/Custom-analyzers-in-Azure-Search#TokenFilters
stopwords	Odebere slova ze streamu tokenu. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/StopFilter.html
trim	Oříznou počáteční a koncové prázdné znaky z tokenů. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/TrimFilter.html
truncate	Zkracuje termíny na určitou délku. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/TruncateTokenFilter.html
unique	Vyfiltruje tokeny se stejným textem jako předchozí token. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/miscellaneous/RemoveDuplicatesTokenFilter.html
uppercase	Normalizuje text tokenu na velká písmena. Podívejte se na http://lucene.apache.org/core/4_10_3/analyzers-common/org/apache/lucene/analysis/core/UpperCaseFilter.html
word_delimiter	Rozdělí slova do dílčích slov a provede volitelné transformace skupin podwordů.