1.分析和分析器

分析(analysis)是这样一个过程：

首先，标记化一个文本块为适用于倒排索引单独的词(term)

然后标准化这些词为标准形式，提高它们的“可搜索性”或“查全率”

这个工作是分析器(analyzer)完成的。一个分析器(analyzer)只是一个包装用于将三个功能放到一个包里：

a.字符过滤器

首先字符串经过字符过滤器(character filter)，它们的工作是在标记化前处理字符串。字符过滤器能够去除HTML标记，或者转换"&"为"and"。

b.分词器

下一步，分词器(tokenizer)被标记化成独立的词。一个简单的分词器(tokenizer)可以根据空格或逗号将单词分开。

c.标记过滤

最后，每个词都通过所有标记过滤(token filters)，它可以修改词（例如将"Quick"转为小写），去掉词（例如停用词像"a"、"and"、"the"等等），或者增加词（例如同义词像"jump"和"leap"）。

Elasticsearch提供很多开箱即用的字符过滤器，分词器和标记过滤器。这些可以组合来创建自定义的分析器以应对不同的需求。

2.内建的分析器

Elasticsearch还附带了一些预装的分析器，你可以直接使用它们。下面我们列出了最重要的几个分析器，来演示这个字符串分词后的表现差异。

a.标准分析器

标准分析器是Elasticsearch默认使用的分析器。对于文本分析，它对于任何语言都是最佳选择。它根据Unicode Consortium的定义的单词边界(word boundaries)来切分文本，然后去掉大部分标点符号。最后，把所有词转为小写。

b.简单分析器

简单分析器将非单个字母的文本切分，然后把每个词转为小写。

c.空格分析器

空格分析器依据空格切分文本。它不转换小写。

d.语言分析器

定语言分析器适用于很多语言。它们能够考虑到特定语言的特性。例如，english分析器自带一套英语停用词库——像and或the这些与语义无关的通用词。这些词被移除后，因为语法规则的存在，英语单词的主体含义依旧能被理解。

3.当分析器被使用

当我们索引(index)一个文档，全文字段会被分析为单独的词来创建倒排索引。不过，当我们在全文字段搜索(search)时，我们要让查询字符串经过同样的分析流程处理，以确保这些词在索引中存在。

全文查询我们将在稍后讨论，先理解每个字段是如何定义的，这样才可以让它们做正确的事：

a.当你查询全文(full text)字段，查询将使用相同的分析器来分析查询字符串，以产生正确的词列表。

b.当你查询一个确切值(exact value)字段，查询将不分析查询字符串，但是你可以自己指定。

现在可以明白为什么在“映射及分析”的文章中会产生那种结果：

date字段包含一个确切值：单独的一个词"2014-09-15"。

_all字段是一个全文字段，所以分析过程将日期转为三个词："2014"、"09"和"15"。

当我们在_all字段查询2014，它一个匹配到12条推文，因为这些推文都包含词2014。

当我们在date字段中查询2014-09-15，它查询一个确切的日期，然后只找到一条推文。

当我们在date字段中查询2014，没有找到文档，因为没有文档包含那个确切的日期。

4.测试分析器

使用analyze API可以查看文本是如何被分析的。在查询字符串参数中指定要使用的分析器，被分析的文本做为请求体：

结果中每个节点在代表一个词：

token是一个实际被存储在索引中的词。position指明词在原文本中是第几个出现的。start_offset和end_offset表示词在原文本中占据的位置。analyze API 对于理解Elasticsearch索引的内在细节是个非常有用的工具。

5.指定分析器

当Elasticsearch在你的文档中探测到一个新的字符串字段，它将自动设置它为全文string字段并用standard分析器分析。

你不可能总是想要这样做。也许你想使用一个更适合这个数据的语言分析器。或者，你只想把字符串字段当作一个普通的字段——不做任何分析，只存储确切值，就像字符串类型的用户ID或者内部状态字段或者标签。

为了达到这种效果，我们必须通过映射(mapping)人工设置这些字段。