ES分词器

参考：http://www.cnblogs.com/xing901022/p/5235993.html                                                

什么是分词器？

分词器，是将用户输入的一段文本，分析成符合逻辑的一种工具。到目前为止呢，分词器没有办法做到完全的符合人们的要求。和我们有关的分词器有英文的和中文的。英文的分词器过程：输入文本-关键词切分-去停用词-形态还原-转为小写。中文的分词器分为：单字分词 例：中国人 分成中、国、人；二分法分词：例中国人：中国、国人；词典分词：有基本的语意来进行分词的，例：中国人分成中国，国人，中国人，现在用的是极易分词和庖丁分词。

Elasticsearch中的分词器

ES中索引的建立和查询的时候，需要使用相同的分词器，才能查出正确的结果。
如果，我们想把一个短语、一句话、一个字段作为整体来查询，那么我们需要设置字段为不分词，也就是不分析。而默认String字段是分析的。
先建立一个索引：

curl -XPUT localhost:9200/aaa
APACHE

然后定义映射，注意：只有刚刚新建、还没有任何数据的索引，才能定义映射。定义映射Mapping可以使用_mapping RESTAPI，符合下面的标准语法：

curl -XPUT localhost:9200/索引名称/类型名称/_mapping?pretty -d '{"类型名称":{"properties":{"字段名称":{"type":"字段类型","store":"是否存储","index":"索引方式、是否分析"}}}}'
SCILAB

比如，其中str1为String类型不分析；其他的字段str2为默认配置，就不用设置了。

curl -XPUT localhost:9200/aaa/aaa/_mapping?pretty -d '{"aaa":{"properties":{"str1":{"type":"string","index":"not_analyzed"}}}}'
SCILAB

然后添加两条数据：

curl localhost:9200/aaa/aaa?pretty -d '{"str1":"hello, world!","str2":"goodbye! world"}'
curl localhost:9200/aaa/aaa?pretty -d '{"str1":"hello","str2":"world"}'
APACHE

分析的String如何查询

如果字段是不分词的，而查询的是这个字段里面的一个词，那么使用term时无法查询到目标文档的。

$ curl -XPOST localhost:9200/aaa/_search?pretty -d '{"query":{"term":{"str1":"hello"}}}'
ERLANG

使用term查询，如果该字段是不分词，只有完整的输入目标字段，才能正确的匹配。

curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str1":"hello, world!"}}}'
APACHE

总结

对于分词的字段：

1 如果查询的是单个词，则查询到包含它的文档，返回结果与匹配程度有关。
2 如果查询的是一段能被分析的话，比如hello world。那么查询的结果是包含分析得出的词的文档，即包含hello和world的全部文档。

对于不分词的字段：

只有查询的是 目标字段的精确值，才能匹配。