（06）ElasticSearch 分词器介绍及安装中文分词器

Posted 2022-08-21 javasl

分词器是用来实现分词的，从一串文本当中切分出一个一个的单词（词条），并对每个词条进行标准化处理（大小写、单复数、同义词等转换）。分词器包括3部分：

　　1、character filter：分词之前的预处理，过滤掉html标签，特殊符号转换等。

　　2、tokenizer：分词，

　　3、token filter：标准化

ElasticSearch内置分词器：

　　1、standard分词器：（默认分词器）它会将词汇单元转换成小写形式，并除去停用词（a、an、the等）和标点符号，支持中文采用的方法为单字切分。

　　2、simple分词器：首先会通过非字母字符来分割文本信息，然后将词汇单元统一成小写形式，该分词器会去掉数据类型的字符。

　　3、Whitespace分词器：仅仅是去掉空格，对字符没有lowcase化，不支持中文；并且不对生成的词汇单元进行其他的标准化处理。

　　4、language分词器：特定语言的分词器，不支持中文

安装中文分词器：