这篇博客主要讲：、、。
1、Analysis 和 Analyzer
： 文本分析是把全文本转换一系列单词(term/token)的过程，也叫分词。Analysis是通过Analyzer来实现的。
当一个文档被索引时，每个Field都可能会创建一个倒排索引（Mapping可以设置不索引该Field）。
倒排索引的过程就是将文档通过Analyzer分成一个一个的Term,每一个Term都指向包含这个Term的文档集合。
当查询query时，Elasticsearch会根据搜索类型决定是否对query进行analyze，然后和倒排索引中的term进行相关性查询，匹配相应的文档。
2 、Analyzer组成
分析器（analyzer）都由三种构件块组成的： ， ， 。
英文分词可以根据空格将单词分开,中文分词比较复杂,可以采用机器学习算法来分词。
将切分的单词进行加工。大小写转换（例将“Quick”转为小写），去掉词（例如停用词像“a”、“and”、“the”等等），或者增加词（例如同义词像“jump”和“leap”）。
：Character Filters--->Tokenizer--->Token Filter
：analyzer = CharFilters（0个或多个） + Tokenizer(恰好一个) + TokenFilters(0个或多个)
3、Elasticsearch的内置分词器
- Standard Analyzer - 默认分词器，按词切分，小写处理
- Simple Analyzer - 按照非字母切分(符号被过滤), 小写处理
- Stop Analyzer - 小写处理，停用词过滤(the,a,is)
- Whitespace Analyzer - 按照空格切分，不转小写
- Keyword Analyzer - 不分词，直接将输入当作输出
- Patter Analyzer - 正则表达式，默认W+(非字符分割)
- Language - 提供了30多种常见语言的分词器
- Customer Analyzer 自定义分词器
4、创建索引时设置分词器
这里讲解下常见的几个分词器：、、。
1、Standard Analyzer(默认)
1）示例
standard 是默认的分析器。它提供了基于语法的标记化（基于Unicode文本分割算法），适用于大多数语言
运行结果
2）配置
标准分析器接受下列参数：
- max_token_length ： 最大token长度，默认255
- stopwords ： 预定义的停止词列表，如或 包含停止词列表的数组，默认是
- stopwords_path ： 包含停止词的文件路径
2、Simple Analyzer
simple 分析器当它遇到只要不是字母的字符，就将文本解析成term，而且所有的term都是小写的。
运行结果
3、Whitespace Analyzer
返回
中文的分词器现在大家比较推荐的就是 ，当然也有些其它的比如 smartCN、HanLP。
这里只讲如何使用IK做为中文分词。
1、IK分词器安装
开源分词器 Ik 的github：https://github.com/medcl/elasticsearch-analysis-ik
IK分词器的版本要你安装ES的版本一致，我这边是7.1.0那么就在github找到对应版本，然后启动命令
运行结果
安装完插件后需重启Es，才能生效。
2、IK使用
IK有两种颗粒度的拆分：
: 会做最粗粒度的拆分
: 会将文本做最细粒度的拆分
1) ik_smart 拆分
运行结果
2）ik_max_word 拆分
运行结果
1、Elasticsearch Analyzers
2、Elasticsearch 分词器
3、Elasticsearch拼音分词和IK分词的安装及使用
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/7354.html