elasticsearch从入门到入门系列（二）---快速入门C

1.分词器的介绍和使用

• 什么是分词器
  • 将用户输入的一段文本，按照一定逻辑，拆分为多个词语的一种工具
• 常见的内置分词器
  • standard analyzer：标准分析器器是默认分词器器，如果未指定，则使⽤用该分词器器。

请求：
    POST localhost:9200/_analyze

     
    {
        "analyzer": "standard",
        "text": "The best 3-points shooter is Curry!"
    }    

• simple analyzer：simple 分析器器当它遇到只要不不是字⺟母的字符，就将⽂文本解析成term，⽽而且所有的term都是

⼩小写的。

请求:
    POST localhost:9200/_analyze

 
    {
        "analyzer": "simple",
        "text": "The best 3-points shooter is Curry!"
    }

 

• whitespace analyzer：whitespace 分析器器，当它遇到空⽩白字符时，就将⽂文本解析成terms
• stop analyzer：stop 分析器器 和 simple 分析器器很像，唯⼀一不不同的是，stop 分析器器增加了了对删除停⽌止词的⽀支 持，默认使⽤用了了english停⽌止词，stopwords 预定义的停⽌止词列列表，⽐比如 (the,a,an,this,of,at)等等
• language analyzer：(特定的语⾔言的分词器器，⽐比如说，english，英语分词器器),内置语⾔言:arabic, armenian, basque, bengali, brazilian, bulgarian, catalan, cjk, czech, danish, dutch, english, finnish, french, galician, german, greek, hindi, hungarian, indonesian, irish, italian, latvian, lithuanian, norwegian, persian, portuguese, romanian, russian, sorani, spanish, swedish, turkish, thai
• pattern analyzer：⽤用正则表达式来将⽂文本分割成terms，默认的正则表达式是\W+(⾮非单词字符)
• 选择分词器器

2.常见中文分词器的使用

• 常见分词器
  • smartCN ⼀一个简单的中⽂文或中英⽂文混合⽂文本的分词器器
  • IK分词器器 更更智能更更友好的中⽂文分词器器
  • smartCN

    • 安装：sh elasticsearch-plugin install analysis-smartcn

    • 检验：

      • 安装后重启

      • 请求：
            POST localhost:9200/_analyze
        
             
            {
                "analyzer": "smartcn", "text": "⽕火箭明年年总冠军"
            }

         

3.常见的字段类型

• 核心数据类型
  • 字符串：
    • text：⽤用于全⽂文索引，该类型的字段将通过分词器器进⾏行行分词
    • keyword：不不分词，只能搜索该字段的完整的值
  • 数值型：
    • long, integer, short, byte, double, float, half_float, scaled_float
  • 布尔：
    • boolean
  • 二进制
    • binary：该类型的字段把值当做经过 base64 编码的字符串串，默认不不存储，且不不可搜索
  • 范围类型：
    • 范围类型表示值是⼀一个范围，⽽而不不是⼀一个具体的值
    • integer_range, float_range, long_range, double_range, date_range
      • 譬如 age 的类型是 integer_range，那么值可以是 {"gte" : 20, "lte" : 40};搜索 "term" : {"age": 21} 可以搜索该值

  • 日期：

    ​​​​​​​​​​​​​​​​​​​​date:
    • 格式："2022-01-01" "2022/01/01 12:10:30" 这种字符串串格式
      • format默认为:strict_date_optional_time||epoch_millis
      • 由于Json没有date类型，所以es通过识别字符串串是否符合format定义的格式来判断是否
      • 为date类型
  • 复杂数据类型
  • 数组数据类型Array
    • 同⼀一个数组只能存同类型的数据，不不能混存，譬如 [ 10, "some string" ] 是错误的
    • Object对象数组 [ { "name": "Louis", "age": 18 }, { "name": "Daniel", "age": 17 }]
    • 整数数组 [ 1, 2 ]
    • 字符串串数组 [ "one", "two" ]
      • ES中没有专⻔门的数组类型, 直接使⽤用[]定义即可，数组中所有的值必须是同⼀一种数据类 型, 不不⽀支持混合数据类型的数组:
    • 对象类型Object
      • 对象类型可能有内部对象
  • 专用数据类型
  • IP类型
    • IP类型的字段⽤用于存储IPv4或IPv6的地址, 本质上是⼀一个⻓长整型字段.