四十、Elasticsearch初识搜索引擎-内置分词器

1、什么是分词器
切分词语，给你一段句子，然后将这段句子拆分成一个个的单个的单词，同时对每个单词进行normalization（时态转换，单复数转单，大小写转换等等），提升recall召回率。

2、什么是normalization？
分词器

3、什么是recall？
召回率，搜索的时候，增加能够搜索到的结果的数量

4、分词相关的几个关键字段解释
（1）character filter：在一段文本进行分词之前，先进行预处理，比如说最常见的就是，过滤html标签（<span>hello</span> --> hello，& --> and，I&you --> I and you等等

（2）tokenizer：分词，hello you and me -->hello,you,and,me

（3）token filter：大小写，去掉无用单词，时态，同义词等，比如：dogs --> dog， liked-->like， Tom-->tom，去掉a/the/an这些无用单词，mother-->mom，small-->little等

一个分词器很重要，将一段文本进行各种处理，最后处理好的结果才会拿去建立倒排索引

5、ES内置分词器简单介绍
比如有段话：
Set the shape to semi-transparent by calling set_trans(5)

（1）standard analyzer：标准分词器（默认是这种）
set,the,shape,to,semi,transparent by,calling,set_trans,5

（2）simple analyzer：简单分词器
set, the, shape, to, semi, transparent, by, calling, set, trans

（3）whitespace analyzer：空白分词器。大小写，下划线等都不会转换
Set, the, shape, to, semi-transparent, by, calling, set_trans(5)

（4）language analyzer：（特定语言分词器，比如说English英语分瓷器）
set, shape, semi, transpar, call, set_tran, 5

若有兴趣，欢迎来加入群，【Java初学者学习交流群】：458430385，此群有Java开发人员、UI设计人员和前端工程师。有问必答，共同探讨学习，一起进步！
欢迎关注我的微信公众号【Java码农社区】，会定时推送各种干货：

qrcode_for_gh_577b64e73701_258.jpg