analyzer

由三部分构成：

Character Filters、Tokenizers、Token filters

Character Filters 负责字符过滤    官方的解释是：字符过滤器用来把阿拉伯数字（٠‎١٢٣٤٥٦٧٨‎٩）‎转成成Arabic-Latin的等价物（0123456789）或用于去掉html内容，如：<b>。

Tokenizers  负责分词，常用的分词器有：whitespace、standard

Token filters  

1. Standard Token Filter   目前什么也不做
2. ASCII Folding Token Filter  asciifolding 类型的词元过滤器，将不在前127个ASCII字符（“基本拉丁文”Unicode块）中的字母，数字和符号Unicode字符转换为ASCII等效项（如果存在）。
3. Length Token Filter   

   length用于去掉过长或者过短的单词;

   min 定义最短长度

   max 定义最长长度

   用法如下：

   GET _analyze
   {
     "tokenizer" : "standard",
     "filter": [{"type": "length", "min":1, "max":3 }],  
     "text" : "this is a test"
   }

   结果：

   "tokens": [
       {
         "token": "is",
         "start_offset": 5,
         "end_offset": 7,
         "type": "<ALPHANUM>",
         "position": 1
       },
       {
         "token": "a",
         "start_offset": 8,
         "end_offset": 9,
         "type": "<ALPHANUM>",
         "position": 2
       }
     ]

4. Lowercase Token Filter    将词元文本规范化为小写
5. Uppercase Token Filter    将词元文本规范化为大写
6. Stop Token Filter   过滤某些关键字  输入:

   {
     "tokenizer" : "standard",
     "filter": [{"type": "stop", "stopwords": ["this", "a"]}],  
     "text" : ["this is a test"]
   }

   输出:

   # stopwords中拦截词this, a 被过滤掉;
   "tokens": [
       {
         "token": "is",
         "start_offset": 5,
         "end_offset": 7,
         "type": "<ALPHANUM>",
         "position": 1
       },
       {
         "token": "test",
         "start_offset": 10,
         "end_offset": 14,
         "type": "<ALPHANUM>",
         "position": 3
       }
     ]
   

    

7. Stemmer Token Filter    可以添加几乎所有的词元过滤器,所以是一个通用接口 用法如下

   PUT /my_index
   {
       "settings": {
           "analysis" : {
               "analyzer" : {
                   "my_analyzer" : {
                       "tokenizer" : "standard",
                       "filter" : ["standard", "lowercase", "my_stemmer"]
                   }
               },
               "filter" : {
                   "my_stemmer" : {
                       "type" : "stemmer",
                       "name" : "light_german"
                   }
               }
           }
       }
   }

    

8. Synonym Token Filter  同意词
9. Reverse Token Filter  将词反转，示例如下：

   调用：
   GET _analyze
   {
       "tokenizer": "standard",
       "filter": ["reverse"],
       "text": ["hello world"]
   }

   结果：
   "tokens": [
       {
         "token": "olleh",
         "start_offset": 0,
         "end_offset": 5,
         "type": "<ALPHANUM>",
         "position": 0
       },
       {
         "token": "dlrow",
         "start_offset": 6,
         "end_offset": 11,
         "type": "<ALPHANUM>",
         "position": 1
       }
     ]