ElasticSearch - 自定义分析器

ElasticSearch的分析器实际上是将三个功能封装在一起，这三个功能按照顺序执行，而这三个功能都是能自定义的

字符过滤器 (char_filter)

首先，字符串按顺序通过每个字符过滤器，他们的任务是在分词前整理字符串

一个字符过滤器可以用来去掉HTML，或者将&转化成and

分词器 (tokenizer)

其次，字符串被分词器分爲单个的词条，一个简单的分词器遇到空格和标点的时候，可能会将文本拆分成词条

Hello how are you?会被ES预设的分词器standard分成hello、how、are、you

Token 过滤器 (filter)

最后，词条按顺序通过每个 token 过滤器，这个过程可能会改变词条(Quick -> quick)、删除词条(a、an、and、the...)、增加词条(jump和leap这种同义词)

自定义分析器

格式

PUT 127.0.0.1:9200/mytest
{
    "setting": {
        "analysis": {
            "char_filter": { 自定义的字符过滤器 },
            "tokenizer": { 自定义的分词器 },
            "filter": { 自定义的token过滤器 },
            "analyzer": { 自定义的分析器，可以将上面的char_filter、tokenizer、filter用不同的组合拼起来，形成不同的分析器 }
        }
    }
}