本文介绍了如何在Elasticsearch中创建自定义分析器，通过配置字符过滤器、分词器和表征过滤器以满足特定数据需求。例如，使用html_strip字符过滤器删除HTML标签，mapping过滤器进行字符替换，standard分词器进行分词，lowercase和stop表征过滤器处理大小写和停用词。通过这种方式，可以定制化的分析和处理文本内容。
声明：本博客根据《ES权威指南》内容总结整理而成，转载请注明出处：https://blog.csdn.net/qingmou_csdn
Elasticsearch内置了一系列分析器，但是ES支持自定义分析器。
通过在配置文件中组合字符过滤器，分词器和表征过滤器可以满足特定数据的要求。
分析器是三个顺序执行的组件的结合（字符过滤器、分词器、表征过滤器）
- 字符过滤器（char_filter）：
让字符串在被分词前变得更加“整洁”。
如，html_strip 字符过滤器可删除所有的HTML标签诸如<p>或<div>，并可将HTML实体转换成对应的Unicode字符，如将 Á 转成 A 。
- 分词器（filter）：
将字符串分割成单独的词（terms）或表征（tokens）。如：
standard分词器将字符串分割成单独的字词，删除大部分标点符号；
keyword分词器输出和它接收到的相同的字符串，不做任何分词处理；
whitespace分词器只通过空格来分割文本；
pattern分词器可通过正则表达式分割文本。
- 表征过滤器（analyzer）：
分词结果的表征流根据各自情况传递给特定表征过滤器。
表征过滤器可能修改
最低0.47元/天 解锁文章
扫一扫
974
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
