前言 字符过滤器在<charFilter>属性中定义，它是对字符流进行处理。字符过滤器种类不多。elasticearch只提供了三种字符过滤器： HTML字符过滤器（HTML Strip Char Filter） 映射字符过滤器（Mapping Char Filter） 模式替换过滤器（Pattern Replace Char Filter） 我们来分别看看都是怎么玩的吧！ HTML字符过滤器 HTML字符过滤器（HTML Strip Char Filter）从文本中去除HTML元素。 POST _analyze { "tokenizer": "keyword", "char_filter": ["html_strip"], "text":"<p>I&apos;m so <b>happy</b>!</p>" } 结果如下： { "tokens" : [ { "token" : """ I'm so happy! """, "start_offset" : 0, "end_offset" : 32, "type" : "word", "position" : 0 } ] } 映射字符过滤器 映射字符过滤器（Mapping Char Filter）接收键值的映射，每当遇到与键相同的字符串时，它就用该键关联的值替换它们。 PUT pattern_test4 { "settings": { "analysis": { "analyzer": { "my_analyzer":{ "tokenizer":"keyword", "char_filter":["my_char_filter"] } }, "char_filter": { "my_char_filter":{ "type":"mapping", "mappings":["苍井空 => 666","武藤兰 => 888"] } } } } } } 上例中，我们自定义了一个分析器，其内的分词器使用关键字分词器，字符过滤器则是自定制的，将字符中的苍井空替换为666，武藤兰替换为888。 POST pattern_test4/_analyze { "analyzer": "my_analyzer", "text": "苍井空热爱武藤兰，可惜后来苍井空结婚了" } 结果如下： { "tokens" : [ { "token" : "666热爱888，可惜后来666结婚了", "start_offset" : 0, "end_offset" : 19, "type" : "word", "position" : 0 } ] } 模式替换过滤器 模式替换过滤器（Pattern Replace Char Filter）使用正则表达式匹配并替换字符串中的字符。但要小心你写的抠脚的正则表达式。因为这可能导致性能变慢！ PUT pattern_test5 { "settings": { "analysis": { "analyzer": { "my_analyzer": { "tokenizer": "standard", "char_filter": [ "my_char_filter" ] } }, "char_filter": { "my_char_filter": { "type": "pattern_replace", "pattern": "(\\d+)-(?=\\d)", "replacement": "$1_" } } } } } 上例中，我们自定义了一个正则规则。 POST pattern_test5/_analyze { "analyzer": "my_analyzer", "text": "My credit card is 123-456-789" } 结果如下： { "tokens" : [ { "token" : "My", "start_offset" : 0, "end_offset" : 2, "type" : "<ALPHANUM>", "position" : 0 }, { "token" : "credit", "start_offset" : 3, "end_offset" : 9, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "card", "start_offset" : 10, "end_offset" : 14, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "is", "start_offset" : 15, "end_offset" : 17, "type" : "<ALPHANUM>", "position" : 3 }, { "token" : "123_456_789", "start_offset" : 18, "end_offset" : 29, "type" : "<NUM>", "position" : 4 } ] } 我们大致的了解elasticsearch分析处理数据的流程。但可以看到的是，我们极少地在例子中演示中文处理。因为elasticsearch内置的分析器处理起来中文不是很好。所以，接下来要介绍一个重量级的插件就是elasticsearch analysis ik（一般习惯称呼为ik分词器）。 欢迎斧正，that's all