Standard Analyzer

标准分词器（默认）：它提供基于语法的标记化（基于Unicode标准规定的Unicode文本分割算法），适用于大多数语言。

示例

POST _analyze
{
  "analyzer": "standard",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

分词结果

[ the, 2, quick, brown, foxes, jumped, over, the, lazy, dog's, bone ]

配置

标准分词器接受以下参数：

• max_token_length 最大token长度。如果看到超过此长度的token，则以max_token_length间隔对其进行拆分。默认值为255。
• stopwords 预定义的停用词列表，如english或包含停止词列表的数组。默认为none。

配置示例

PUT my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_english_analyzer": {
          "type": "standard",
          "max_token_length": 5,
          "stopwords": "_english_"
        }
      }
    }
  }
}

POST my-index-000001/_analyze
{
  "analyzer": "my_english_analyzer",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

上述示例产生以下分词结果：

[ 2, quick, brown, foxes, jumpe, d, over, lazy, dog's, bone ]

定义

Standard Analyzer 包括

• Tokenizer
  • Standard Tokenizer
• Token Filters
  • Lower Case Token Filter
  • Stop Token Filter (默认关闭)

自定义标准分析器，通常通过添加filter的方式增加自定义行为：

PUT /standard_example
{
  "settings": {
    "analysis": {
      "analyzer": {
        "rebuilt_standard": {
          "tokenizer": "standard",
          "filter": [
            "lowercase"       
          ]
        }
      }
    }
  }
}