Elasticsearch默认分词器简介及使用方法

Elasticsearch是一个开源的搜索引擎，社区活跃，使用广泛。对于搜索引擎的核心来说，分词是非常重要的一个方面。因此，在使用Elasticsearch时，如何选择合适的分词器，尤其是默认分词器是非常重要的。

一、分词器是什么？

在介绍Elasticsearch默认分词器前，我们需要先了解分词器的概念。

分词器是将文本分解为词元（Term）的过程。在信息检索中，Term是指最小的、有意义的、可以独立参与检索的单词单元。因此，对于搜索引擎来说，准确地分析文本是非常重要的。分词器的作用就在于将文本分解为可供检索的词元，以提高搜索的准确性。

二、Elasticsearch默认分词器

在Elasticsearch中，默认分词器由5个不同的分词器构成：standard、simple、whitespace、keyword和pattern。这些分词器各有特点，可以根据具体需求选择合适的分词器。

三、使用方法

1、创建索引时指定分词器

Elasticsearch中，可以在创建索引时指定分词器。例如，在创建名为”book”的索引时，可以使用standard分词器：

PUT /book 
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": { 
          "tokenizer": "standard"
        }
      }
    }
  }
}

可以根据需要选择不同的分词器。同时，还可以将分词器应用到具体字段中：

PUT /book 
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "standard"
      }
    }
  }
}

这里我们将standard分词器应用到”title”字段上。

2、查询时指定分词器

在进行查询时，也可以根据需要指定分词器。例如，在使用match查询时，可以指定使用simple分词器：

GET /book/_search 
{
  "query": {
    "match": {
      "title": {
        "query": "The Amazed Adventure",
        "analyzer": "simple"
      }
    }
  }
}

这里我们使用simple分词器来对”title”字段进行分词。

四、小结

Elasticsearch中默认的5个分词器各有特点，可以根据实际需求进行选择。同时，在创建索引和查询时，也可以根据需要指定不同的分词器，提高搜索的准确性。