雖然 Elasticsearch 帶有一些現成的分析器，然而在分析器上 Elasticsearch 真正的強大之處在于，你可以通過在一個適合你的特定數據的設置之中組合<mark>字符過濾器、分詞器、詞匯單元過濾器</mark>來創建自定義的分析器。 <br/> 一個分析器就是在一個包里面組合了三種函數的一個包裝器， 三種函數按照如下順序被執行: **1. 字符過濾器** 字符過濾器用來整理一個尚未被分詞的字符串。 * html 清除字符過濾器 如果我們的文本是 HTML 格式的，它會包含像` <p>` 或者 `<div>` 這樣的 HTML 標簽，這些標簽是我們不想索引的。我們可以使用html清除字符過濾器來移除掉所有的 HTML 標簽，并且像把 `&Aacute;`這樣的字符轉換為相對應的 Unicode 字符 á 這樣轉換 為HTML 實體。 一個分析器可能有 0 個或者多個字符過濾器。 **2. 分詞器** 一個分析器必須有一個唯一的分詞器。 分詞器把字符串分解成單個詞條或者詞匯單元。 * 標準分詞器：標準分析器里使用的標準分詞器把一個字符串根據單詞邊界分解成單個詞條，并且移除掉大部分的標點符號。 * 關鍵詞分詞器：完整地輸出接收到的同樣的字符串，并不做任何分詞。 * 空格分詞器：只根據空格分割文本 。 * 正則分詞器：根據匹配正則表達式來分割文本 。 **3. 詞單元過濾器** 經過分詞，作為結果的詞單元流會按照指定的順序通過指定的詞單元過濾器 。詞單元過濾器可以修改、添加或者移除詞單元。 * lowercase詞過濾器：將分詞規范化為小寫，它通過language參數支持希臘語、愛爾蘭語和土耳其語小寫標記過濾器。 * 詞干過濾器：把單詞遏制為詞干。 * ascii_folding 過濾器：移除變音符，把一個像 `très` 這樣的詞轉換為 `tres`。 * ngram 和 edge_ngram 詞單元過濾器：可以產生適合用于部分匹配或者自動補全的詞單元。 <br/> 如下創建自定義分析器： ```json # my_index是創建的索引 PUT /my_index { "settings":{ "analysis":{ "char_filter":{ # 字符過濾器配置 "&_to_and":{ "type":"mapping", # 字符串過濾器類型 "mappings":[ "&=> and " ] } }, "filter":{ # 詞單元過濾器配置 "my_stopwords":{ "type":"stop", # 詞單元過濾器類型 "stopwords":[ "the", "a" ] } }, "analyzer":{ # 分析器配置 "my_analyzer":{ "type":"custom", "char_filter":[ "html_strip", "&_to_and" ], "tokenizer":"standard", # 分詞器 "filter":[ "lowercase", "my_stopwords" ] } } } } } ``` 測試結果如下，表明該分析器可用。 ```json GET /my_index/_analyze { "text":"The quick & brown fox", "analyzer": "my_analyzer" } 響應結果如下： { "tokens" : [ { "token" : "quick", "start_offset" : 4, "end_offset" : 9, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "and", "start_offset" : 10, "end_offset" : 11, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "brown", "start_offset" : 12, "end_offset" : 17, "type" : "<ALPHANUM>", "position" : 3 }, { "token" : "fox", "start_offset" : 18, "end_offset" : 21, "type" : "<ALPHANUM>", "position" : 4 } ] } ```