什么是分词？
把文本转换为一个个的单词，分词称之为analysis。es默认只对英文语句做分词，中文不支持，每个中文字都会被拆分为独立的个体。
es内置分词器
standard：默认分词，单词会被拆分，大小会转换为小写。
simple：按照非字母分词。大写转为小写。
whitespace：按照空格分词。忽略大小写。
stop：去除无意义单词，比如the/a/an/is…
keyword：不做分词。把整个文本作为一个单独的关键词。
向ES传入一段文本，查看所得标准分词
POST http://10.0.0.220:9200/_analyze
{
"analyzer": "standard",
"text": "text文本"
}
向指定索引中的某一个字段传入文本，查看如果向该字段中输入该文本会得到的相关分词
POST http://10.0.0.220:9200/index003/_analyze
{
"analyzer": "standard",
"field":"name",
"text": "text 文本"
}
更多es分词相关：https://www.cnblogs.com/cjsblog/p/10171695.html
建立中文IK分词器
下载中文IK分词器：https://github.com/medcl/elasticsearch-analysis-ik/releases （注：需下载对应版本）
将ik分析器上传到linux
解压到elasticsearch目录的plugins下
[root@elasticsearch tools]# unzip elasticsearch-analysis-ik-7.6.1.zip -d /application/elasticsearch-7.6.1/plugins/ik
重启elasticsearch，测试中文分词器。
POST http://10.0.0.220:9200/_analyze
{
"analyzer":"ik_max_word",
"text":"小朋友都喜欢玩泥巴。"
}
ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合，适合 Term Query；
ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”，适合 Phrase 查询。
自定义分词
一般情况下，一个常见的词语都能在中文分词器中进行分词。但是现在网络用语各种新起，就会出现很多口头语，是不能被正常收录在我们的分词器中，如下：
POST http://10.0.0.220:9200/_analyze
{
"analyzer":"ik_max_word",
"text":"隔壁住着一个可爱的小盆友。"
}
结果：“小盆友”并没有像我们期望的那样进行分词。
{
"tokens": [
{
"token": "隔壁",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 0
},
{
"token": "住着",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 1
},
{
"token": "一个",
"start_offset": 4,
"end_offset": 6,
"type": "CN_WORD",
"position": 2
},
{
"token": "一",
"start_offset": 4,
"end_offset": 5,
"type": "TYPE_CNUM",
"position": 3
},
{
"token": "个",
"start_offset": 5,
"end_offset": 6,
"type": "COUNT",
"position": 4
},
{
"token": "可爱",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 5
},
{
"token": "的",
"start_offset": 8,
"end_offset": 9,
"type": "CN_CHAR",
"position": 6
},
{
"token": "小",
"start_offset": 9,
"end_offset": 10,
"type": "CN_CHAR",
"position": 7
},
{
"token": "盆",
"start_offset": 10,
"end_offset": 11,
"type": "CN_CHAR",
"position": 8
},
{
"token": "友",
"start_offset": 11,
"end_offset": 12,
"type": "CN_CHAR",
"position": 9
}
]
}
1.这个时候我们就需要按照我们的意愿进行自定义分词。我们需要去修改中文分词器的配置文件。
（注意：如下操作需要在root下操作，重启时用esuser用户）
root@elasticsearch tools]# cd /application/elasticsearch-7.6.1/plugins/ik/config/
[root@elasticsearch config]#
[root@elasticsearch config]# vim IKAnalyzer.cfg.xml
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict">custom.dict</entry> <!--- 这里的custom.dict就是我新添加的 ---->
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
2.创建文件，加入“小盆友”一词。
[root@elasticsearch config]# vim custom.dict
小盆友
3.重启ES服务
4.测试，此时的“小盆友”就会被认为是一个词进行区分。
