Analysis与Analyzer
- Analysis：文本分析，将文本转换成一系列单词（term/token）的过程也叫分词
- Analyzer：分析器，实现分词的工具，ES自带有部分分析器，用户可以自定义
Analyzer的组成
- 分析器由三部分组成，Character Filter（针对原始文本处理，例如去掉HTML）、Tokenizer（按照规则切分单词）、Token Filters（将切分的单词进行加工，小写，删除stopwords，增加同义词等）
ES内置分析器
- Standard Analyzer - 默认分析器，英文按词切分，中文按字切分，过滤符号，小写处理
- Simple Analyzer - 按非字母（数字，符号，空格）切分，过滤符号，小写处理
- Stop Analyzer - 按非字母（数字，符号，空格）切分，过滤符号、停用词（the，a，is），小写处理
- Whitespace Analyzer - 按照空格切分，不转小写
- Keyword Analyzer - 不分词，直接将输入当输出
- Pattern Analyzer - 正则表达式进行分词，默认是\W+，非字符的符号（符号，空格，中文）进行切分，小写处理，过滤停用词
- Language - 提供了30多种常见西语分析器
- 中文分词器 - 根据中文语义切分多个词语，eg：IK，ICU，THULAC
- Customer Analyzer - 用户自定义分析器
Standard Analyzer（ES默认分词器）
英文按单词切分，中文按单字切分，过滤符号，保留数字，中英文，且小写处理英文
Simple Analyzer
按照非字母切分，即数字，符号和空格切分，并去除掉数字，符号和空格，且英文小写处理
Stop Analyzer
按照非字母切分，即数字，符号和空格切分，并去除掉停用词，数字，符号和空格，且英文小写处理
Whitespace Analyzer
按照空格切分，英文不转成小写
Keyword Analyzer
不分词，直接将输入当一个term输出
Pattern Analyzer
默认是\W+，非字符的符号（符号，空格，中文）进行切分，英文小写处理，且过滤掉停用词
