ElasticSearch中分词器组件配置详解

首先要明确一点，ElasticSearch是基于Lucene的，它的很多基础性组件，都是由Apache Lucene提供的，而es则提供了更高层次的封装以及分布式方面的增强与扩展。 

所以要想熟练的掌握的关于es中分词方面的知识，一定得先从Lucene抓起，否则只会是丈二和尚摸不着头脑，当然我们大多数开发者只关注于怎么用，偏底层的东东，也没有太多时间去深究，这也有情可原，遇到问题再去探究，也何尝不是一种办法，如果有时间，还是建议看看Lucene基础的知识。 

在ElasticSearch或Solr中，都提供了基于配置的可插拔式的分词插件，管理方式，这样以来就组合配置方式就非常灵活，在es中，一个analysis集合 
可以包含多个analyzer，而一个analyzer则由一个单个的tokenizer，零个或多个的tokenfilter组成，而一个tokenizer又可以包含零个或多个的charFilter。总体的执行流程如下图： 





在es里面的一个模板配置如下： 

Java代码  收藏代码
  1. index :  
  2.     analysis ://一个analysis可以包含多个analyzer，tokenizer，filter，char_filter配置  
  3.         analyzer :// 一个analyzer下面可以包含一个tokenizer，多个filter和char_filter， position_increment_gap是距离查询时，最大允许查询的距离，默认是100  
  4.           myAnalyzer1 :  
  5.                 type : custom  
  6.                 tokenizer : myTokenizer1  
  7.                 filter : [myTokenFilter1, myTokenFilter2]  
  8.                 char_filter : [my_html]  
  9.                 position_increment_gap: 256  
  10.            myAnalyzer2 :  
  11.                 type : custom  
  12.                 tokenizer : myTokenizer1  
  13.                 filter : [myTokenFilter1, myTokenFilter2]  
  14.                 char_filter : [my_html]  
  15.                 position_increment_gap: 256  
  16.   
  17.         tokenizer :  
  18.             myTokenizer1 :  
  19.                 type : standard  
  20.                 max_token_length : 900  
  21.             myTokenizer2 :  
  22.                 type : keyword  
  23.                 max_token_length : 900  
  24.         filter :  
  25.             myTokenFilter1 :  
  26.                 type : stop  
  27.                 stopwords : [stop1, stop2, stop3, stop4]  
  28.             myTokenFilter2 :  
  29.                 type : length  
  30.                 min : 0  
  31.                 max : 2000  
  32.         char_filter :  
  33.               my_html :  
  34.                 type : html_strip  
  35.                 escaped_tags : [xxx, yyy]  
  36.                 read_ahead : 1024  




一个比较完整的分词器配置案例，就如上面的例子，几乎涵盖了所有可能用到的组件，而我们在实际应用中，要做的就是，选择组合我们需要的组件，定制成一个分词器，然后就可以使用了， 
上面的这段配置，我们需要配置在elasticsearch.yml文件中，全局有效，然后我们就可以在静态mapping或动态mapping中引用和使用它了。 
参考链接： 
https://www.elastic.co/guide/en/elasticsearch/reference/2.1/analysis-custom-analyzer.html 

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/qindongliang/p/4989525.html