Usar expressões regulares para localizar termos

Defina expressões regulares que capturam padrões de significância, como que AB10045 é a sintaxe que é usada para os seus números de pedidos.

Defina expressões regulares que possam identificar e extrair informações de campos em sua coleção.

Por exemplo, essa expressão regular encontra ocorrências de números de cartão de crédito de um formato e comprimento específicos.

4[0-9]{15}

A expressão regular a seguir localiza ocorrências de um número de previdência social dos EUA.

(?!666|000|9\d{2})\d{3}-(?!00)\d{2}-(?!0{4})\d{4}

Para adicionar uma expressão regular, conclua as etapas a seguir:

1. A partir da seção Conceitos de domínio Teach do painel Ferramentas de Melhoramento, escolha Expressão Regular.

2. Clique em ** Upload **.

3. Opcional: Especificar um caminho de faceta para categorizar qualquer texto que corresponda à expressão regular. O texto pode ser filtrado por esta faceta posteriormente.

   Se você utilizar uma hierarquia de categorias, inclua um período entre nomes de categoria no caminho da faceta para representar a hierarquia. Por exemplo, se você estiver adicionando um regex que pode reconhecer números de telefone, você pode ter um caminho de faceta como international.europe.

4. Adicionar a expressão regular.

   • Use uma expressão regular Java™.

     Para obter mais informações, consulte a documentação do site Java. Outro recurso útil é o Regex 101.

   • Mantenha a expressão regular o mais curto e compreensível possível.

   • As melhores expressões regulares resoltem para uma partida ou não combinar rapidamente.

   • Use padrões comuns. Por exemplo, use a(b|c|d) em vez de (ab|ac|ad).

   • O mecanismo de expressão regular pode falhar se voltar atrás porque não consegue fazer uma correspondência negativa no final da cadeia de caracteres e, em seguida, tenta muitas permutações. Para evitar trilhas de backtracks, considere usar um quantificador possessivo, como (a+b*)++c.

5. Clique em Criar.

6. Escolha a coleção e o campo para pesquisar ocorrências de texto que correspondam a este padrão de expressão regular.

Na saída, as informações extraídas pelo enriquecimento da expressão regular podem ser encontradas em enriched_{field_name}, na matriz entities.

Neste exemplo, o Facet Path é regex.cccardnumber, e o campo que é selecionado para enriquecimento é text.

{
  "enriched_text": [
    {
      "entities": [
        {
          "path": ".regex.cccardnumber",
          "type": "cccardnumber",
          "text": "4000000000000000"
        }
      ]
    }
  ],
  "text": [
    "He has 2 phones, 090-1234-5678 and 080-1234-5678. His credit card number is 4000000000000000."
  ]
}

Ao enviar consultas de teste da página Melhorar e customizar, é possível incluir um aspecto que é baseado no campo enriched_text.entities.model_name. Como resultado, o enriquecimento de expressão regular cccardnumber que você criou é exibido como um valor de aspecto pelo qual os documentos podem ser filtrados. Para obter mais informações sobre como criar aspectos, consulte Incluindo aspectos.