一.自定义分析器
当内置分析器不能满足时，可以创建一个自定义分析器，自定义分析器(analyzer)由：
1）0或多个 charactcr filter 字符过滤器
2) 1个 tokenizer 分词器，将文本切分为分词
3）0或多个 token filter 令牌过滤器，是属于分词后再过滤
自定义配置参数如下
| type | 分析器类型，接收内置分析器类型，可以使用custom(代表自定义分析器)或者省略此参数 |
| tokenizer | 内置或自定义分词器 （必填） |
| char_filter | 内置或自定义字符过滤器(character filters) 可选数组 |
| filter | 内置或自定义令牌过滤器（token filter）可选数组 |
| position_increment_gap | 间隙值，跨值访问，一般用于match_phrase短语查询检索数据，默认值100 |
示例1：自定义一个分析器
1）char_filter字符过滤器：使用html_strip去除html标签
2) tokenizer分词器：使用standard标准分词器
3）filter令牌过滤器: 使用 lowercase转小写，使用asciifolding转为ascii
定义分析器结构如下：
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_custom_analyzer": { #自定义一个分析器
"type": "custom",
"tokenizer": "standard", #使用标准分析词
"char_filter": [ #使用char_filter字符过滤器
"html_strip"
],
"filter": [ #使用filter过滤器
"lowercase",
"asciifolding"
]
}
}
}
}
}
使用自定义分析器分词
POST my-index-000001/_analyze
{
"analyzer": "my_custom_analyzer",
"text": "Is this <b>déjà vu</b>?"
}
查看分词结果: [ is,this,deja,vu]
示例2：自定义一个复杂分析器，它结合了以下内容：
1）char_filter字符过滤器：自定义Mapping Character Filter映射：
:) 符号映射为 _happy_
:( 符号映射为 _sad_
2) tokenizer分词器：自定义Pattern 模式分词器
3) filter令牌过滤器: lowercase转小写，自定义过滤停用词
定义分析器结构：
PUT my-index-000001
{
"settings": {
"analysis": {
"analyzer": {
"my_custom_analyzer": { #自定义一个分析器
"char_filter": [
"emoticons" #自定义自符过滤器
],
"tokenizer": "punctuation", #自定义一个分词器
"filter": [
"lowercase",
"english_stop"
]
}
},
"tokenizer": {
"punctuation": { #模式分词器的配置
"type": "pattern",
"pattern": "[ .,!?]" #以里面符号来分词
}
},
"char_filter": { #字符过滤器的配置映射
"emoticons": {
"type": "mapping",
"mappings": [
":) => _happy_",
":( => _sad_"
]
}
},
"filter": { #令牌过滤器的配置，过滤停用词
"english_stop": {
"type": "stop",
"stopwords": "_english_"
}
}
}
}
}
使用自定义的分析器分词
POST my-index-000001/_analyze
{
"analyzer": "my_custom_analyzer",
"text": "I'm a :) person, and you?"
}
查看分词结果：[ i'm, _happy_, person,you]
参考官方资料：Create a custom analyzer
标签：自定义,分析器,analyzer,filter,Elasticsearch,过滤器,my From： https://www.cnblogs.com/MrHSR/p/18108598