一、分词器

Elasticsearch中,内置了很多分词器(analyzers),例如standard(标准分词器)、english(英文分词)和chinese(中文分词),默认是standard.

standard tokenizer:以单词边界进行切分
standard token filter:什么都不做
lowercase token filter:将所有字母转换为小写
stop token filer(默认被禁用):移除停用词,比如a the it等等

二、修改分词器设置

启用english,停用词token filter

PUT /my_index
{"settings": {"analysis": {"analyzer": {"es_std":{"type":"standard","stopwords":"_english_"}}}}
}

三、标准分词测试代码

GET /my_index/_analyze
{"analyzer": "standard","text":"a dog is in the house"
}

结果:

{"tokens": [{"token": "a","start_offset": 0,"end_offset": 1,"type": "<ALPHANUM>","position": 0},{"token": "dog","start_offset": 2,"end_offset": 5,"type": "<ALPHANUM>","position": 1},{"token": "is","start_offset": 6,"end_offset": 8,"type": "<ALPHANUM>","position": 2},{"token": "in","start_offset": 9,"end_offset": 11,"type": "<ALPHANUM>","position": 3},{"token": "the","start_offset": 12,"end_offset": 15,"type": "<ALPHANUM>","position": 4},{"token": "house","start_offset": 16,"end_offset": 21,"type": "<ALPHANUM>","position": 5}]
}

四、设置的英文分词测试代码

GET /my_index/_analyze
{"analyzer": "es_std","text":"a dog is in the house"}

结果:

{"tokens": [{"token": "dog","start_offset": 2,"end_offset": 5,"type": "<ALPHANUM>","position": 1},{"token": "house","start_offset": 16,"end_offset": 21,"type": "<ALPHANUM>","position": 5}]
}

五、自定义分词器

PUT /my_index
{"settings": {"analysis": {"char_filter": {"&_to_and": {"type": "mapping","mappings": ["&=> and"]}},"filter": {"my_stopwords": {"type": "stop","stopwords": ["the", "a"]}},"analyzer": {"my_analyzer": {"type": "custom","char_filter": ["html_strip", "&_to_and"],"tokenizer": "standard","filter": ["lowercase", "my_stopwords"]}}}}
}

测试:

GET /my_index/_analyze
{"text": "tom&jerry are a friend in the house, <a>, HAHA!!","analyzer": "my_analyzer"
}

结果:

{"tokens": [{"token": "tomandjerry","start_offset": 0,"end_offset": 9,"type": "<ALPHANUM>","position": 0},{"token": "are","start_offset": 10,"end_offset": 13,"type": "<ALPHANUM>","position": 1},{"token": "friend","start_offset": 16,"end_offset": 22,"type": "<ALPHANUM>","position": 3},{"token": "in","start_offset": 23,"end_offset": 25,"type": "<ALPHANUM>","position": 4},{"token": "house","start_offset": 30,"end_offset": 35,"type": "<ALPHANUM>","position": 6},{"token": "haha","start_offset": 42,"end_offset": 46,"type": "<ALPHANUM>","position": 7}]
}

六、type中的使用

PUT /my_index/_mapping/my_type
{"properties": {"content": {"type": "text","analyzer": "my_analyzer"}}
}

转载于:https://www.cnblogs.com/yfb918/p/10718712.html

ElasticSearch教程——自定义分词器(转学习使用)相关推荐

  1. elasticsearch教程--中文分词器作用和使用

    概述   本文都是基于elasticsearch安装教程 中的elasticsearch安装目录(/opt/environment/elasticsearch-6.4.0)为范例 环境准备 ·全新最小 ...

  2. Elasticsearch教程 IK分词器安装

    首先说说分词器,分词,英语分词很好分,就是按固定的英文的空格,或者"-".中文分词就稍微有点复杂了,而 Elasticsearch  默认是带分词器了,我们来测试一下. http: ...

  3. elasticsearch分词练习、自定义分词器练习

    elasticsearch分词练习.自定义分词器练习 分词练习 自定义分词器 分词练习 准备数据 post metric_zabbix/log {"@message":" ...

  4. 【Es】ElasticSearch 自定义分词器

    1.分词器 转载:https://blog.csdn.net/gwd1154978352/article/details/83343933 分词器首先看文章:[Elasticsearch]Elasti ...

  5. Elasticsearch 分布式搜索引擎 -- 自动补全(拼音分词器、自定义分词器、自动补全查询、实现搜索框自动补全)

    文章目录 1. 自动补全 1.1 拼音分词器 1.2.1 自定义分词器 1.2.2 小结 1.2 自动补全 1.3 实现酒店搜索框自动补全 1.3.1 修改酒店映射结构 1.3.2 修改HotelDo ...

  6. Elasticsearch配置拼音分词和自定义分词器

    下载elasticsearch-analysis-pinyin拼音分词器  https://codeload.github.com/medcl/elasticsearch-analysis-pinyi ...

  7. ElasticSearch 自定义分词器Analyzer示例

    一.前提概述 接下来定义一个index,并在该index中使用自定义分词器. 假设在ES中有这么一个index,用来存储用户在什么时间调用了哪个接口,调用的入参是什么的这么一个信息(即服务网关日志), ...

  8. 59、Docker ElasticSearch安装拼音分词器及自定义分词器

    一.使用拼音分词器 1.拼音分词器 2.docker下安装拼音分词器插件 3.测试拼音分词器 # 测试拼音分词器 POST /_analyze {   "text": [" ...

  9. ElasticSearch入门:ES分词器与自定义分词器

    ES入门:ES分词器与自定义分词器 分词器的简单介绍 不同分词器的效果对比 自定义分词器的应用 分词器的简单介绍 分词器是es中的一个组件,通俗意义上理解,就是将一段文本按照一定的逻辑,分析成多个词语 ...

最新文章

  1. 使用STM32CubeMX求得CPU芯片温度
  2. idea配置Run Dashboard的方法(亲测有效)
  3. FFMPEG libx264解码为YUV
  4. 安装12G内存读出内存条为3.45G的处理方法
  5. 实例16:python
  6. 个人工作用SQL短句,不定时更新
  7. java中的集合和数组
  8. 实验一 MATLAB软件的使用
  9. php openssl 处理pkcs8,openssl生成RSA格式私钥,转换为通用型PKCS8格式
  10. hello树先生经典台词
  11. Biotin-STL,PL;生物素化马铃薯凝集素(STL,PL)
  12. python之tkinter模块——基于tk得图片文字
  13. HElib-2 向量内积
  14. Windows改装成Linux,Windows系统改装成Linux系统
  15. 用PyQt5+Caffe+Opencv搭建一个人脸识别登录界面
  16. 《树莓派项目实战》第九节 使用PCF8591模块和光敏电阻传感器测量光照强度
  17. MyCat 的入门和放弃
  18. 双开应用和主分身空间
  19. javascript 压缩工具
  20. GPU上大规模稀疏矩阵特征值计算高效算法之三——SLEPc测试

热门文章

  1. 智能家居 (5) —— LD3320语音模块二次开发
  2. 设置git协议clone代理
  3. IDEA云行项目提示Error: java: OutOfMemoryError
  4. php标签调用,phpcms栏目标签调用代码大全
  5. 【基础】C#异常处理的总结
  6. sap实施和开发哪个前景_2021年了!还不知道 SAP顾问的职业前景?
  7. java 发邮件_java实现邮件的发送
  8. Java数字字符串如何转化为数字数组
  9. 设计模式 之 单例模式
  10. flo file_Flo菜单简介:可扩展的拇指友好型移动导航