Elasticserach 自定義分詞器

1）環境準備

啓動Elasticsearch https://blog.csdn.net/qq_36918149/article/details/104221934
啓動Kinbana https://blog.csdn.net/qq_36918149/article/details/104224625

2）Character Filter

演示一：
#去除html標籤

POST _analyze
{
  "tokenizer":"keyword",
  "char_filter":["html_strip"],
  "text": "<b>hello world</b>"
}

結果，html標籤已經被去除

演示二：
#使用char filter進行替換

POST _analyze
{
  "tokenizer": "standard",
  "char_filter": [
      {
        "type" : "mapping",
        "mappings" : [ "- => _"]
      }
    ],
  "text": "123-456, I-test! test-990 650-555-1234"
}

結果顯示，“-” 已替換爲“_”，並進行了分詞

3）Tokenizer

演示：
#按路徑分詞

POST _analyze
{
  "tokenizer":"path_hierarchy",
  "text":"/user/ymruan/a/b/c/d/e"
}

結果：路徑被依次進行了分詞

4）Token Filter

演示一：

# whitespace與stop
GET _analyze
{
  "tokenizer": "whitespace",
  "filter": ["stop","snowball"],
  "text": ["The rain in Spain falls mainly on the plain."]
}

結果:連接詞被去掉以後的分詞結果

4）總結

• 過濾器過濾順序：char filter - >tokenizer -> token filter。
• 本章節在實際應用中還需要，仔細看一下api文檔。