标签：har ast 存储 字段 off 返回 索引 inf html
1、analyzer的组成
CharacterFilters:针对原始文本进行处理例如去掉html
Tokenizer：按照规则切分单词
Token Filter：将切分好的单词进行二次加工
2、分词器
standard 默认分词器，按词切分，小写处理
stop 小写处理，停用词过滤（a,the,is）
simple 按照非字母切分（符号被过滤），小写处理
whitespace 按照空格切分，不转小写
keyword 不分词，直接输入当做输出
pattern 正则表达式，默认\W+（非字符分割）
language 提供了30多种常见的语言分词器
customer 自定义分词器
3、使用_analyzer API
指定analyzer进行测试
返回结果字段含义：
token是一个实际被存储在索引中的词
position指明词在原文本中是第几个出现的
start_offset和end_offset表示词在原文本中占据的位置。
4、中文分词（ik+pingyin）
ik+pinyin插件的安装
https://github.com/medcl/elasticsearch-analysis-pinyin/releases
https://github.com/medcl/elasticsearch-analysis-ik/releases
将下载的安装包分别放在此路径下对应的目录中
选择对应的版本，保持与ES版本一致
标签：har ast 存储 字段 off 返回 索引 inf html
原文地址：https://www.cnblogs.com/fat-girl-spring/p/12425820.html
