配置分析器

第三个重要的索引设置是 analysis 部分，用来配置已存在的分析器或创建自定义分析器来定制化你的索引。

在【分析器介绍】中，我们介绍了一些内置的分析器，用于将全文字符串转换为适合搜索的倒排索引。

standard 分析器是用于全文字段的默认分析器，对于大部分西方语系来说是一个不错的选择。它考虑了以下几点：

  • standard 分词器，在词层级上分割输入的文本。
  • standard 标记过滤器，被设计用来整理分词器触发的所有标记（但是目前什么都没做）。
  • lowercase 标记过滤器，将所有标记转换为小写。
  • stop 标记过滤器，删除所有可能会造成搜索歧义的停用词，如 a，the，and，is。

默认情况下，停用词过滤器是被禁用的。如需启用它，你可以通过创建一个基于 standard 分析器的自定义分析器，并且设置 stopwords 参数。可以提供一个停用词列表，或者使用一个特定语言的预定停用词列表。

在下面的例子中，我们创建了一个新的分析器，叫做 es_std，并使用预定义的西班牙语停用词：

  1. PUT /spanish_docs
  2. {
  3.     "settings": {
  4.         "analysis": {
  5.             "analyzer": {
  6.                 "es_std": {
  7.                     "type":      "standard",
  8.                     "stopwords": "_spanish_"
  9.                 }
  10.             }
  11.         }
  12.     }
  13. }

es_std 分析器不是全局的，它仅仅存在于我们定义的 spanish_docs 索引中。为了用 analyze API 来测试它，我们需要使用特定的索引名。

  1. GET /spanish_docs/_analyze?analyzer=es_std
  2. El veloz zorro marrón

下面简化的结果中显示停用词 El 被正确的删除了：

  1. {
  2.   "tokens" : [
  3.     { "token" :    "veloz",   "position" : 2 },
  4.     { "token" :    "zorro",   "position" : 3 },
  5.     { "token" :    "marrón",  "position" : 4 }
  6.   ]
  7. }