Elasticsearch分词机制、IK分词器、自定义分词、批量管理

分词

分词是指文本转换成一系列单词（term or token)的过程，也可以叫做文本分析，关键词为Analysis。
举例
彭于晏是最帅的明星
分词为：（彭于晏）（最帅）（明星）
Character Filter

分词机制	效果
Character Filter	对原始文件进行处理：例如去除html标签，特殊字符等
Tokenizer	将原始文件进行分词：例：二院二部（二院、二部）
Token Filters	分词后的关键字进行加工：例转小写、删除语气词、近义词、同义词等

示例：

注：这个_analyze中standard(默认)分词很简陋,只能靠空格，符号等进行分割，并且仅能分割英文，不支持中文。
下面继续加一个分词，将大写转换为小写

进行去标签化的分词

中文的一些分词机制

由于中文的博大精深，以上分词器无法满足需求，所以需要引入特殊语法的分词器
特殊语法的分词器

IK分词器（常用）

加载后进行实验，如下图即可发现分词规律。

另外一种ik分法

注：
这样分词，会有 “世界上”、“世界”。这样的多意的叠词出现。
优点：这样分词很是详细
缺点：分词后倒排序会很多，大大的减小了搜索效率。

自定义分词器

自定义分词器可以多去官网查看链接: 官网.
示例
下面我们创建个叫my的分词器，它里面嵌套的都是下面我们自定义的过滤器，和分词器，这样顺序为，过滤——分词——后处理。

查询一条文档里具体的first_name 的值。
批量插入 _bulk
示例如下

如果不是这个格式 是插入不了滴！