分词器是将一段文本，按照一定逻辑，拆分成多个词语的一种工具
    image.png

    1. #分词效果验证
    2. GET _analyze
    3. {
    4.     "text": "我爱黑马程序员",
    5.   "analyzer": "standard"
    6. }

    分词结果：
    image.png
    ElasticSearch 内置分词器对中文很不友好，处理方式为：一个字一个词。

    IK分词器
    词条查询： term：
    词条查询不会对查询条件进行分词，只有当查询字符串和倒排索引中的词条完全匹配时才匹配搜索
    全文查询：match
    全文查询会对查询条件进行分词，然后将分出的词分别取倒排索引中进行词条的匹配，求结果并集

    1. PUT person/_doc/1
    2. {
    3.   "name": "张三",
    4.   "age": 20,
    5.   "address": "广东天河区"
    6. }
    8. PUT person/_doc/2
    9. {
    10.   "name": "李四",
    11.   "age": 19,
    12.   "address": "广东黄浦区"
    13. }
    15. PUT person/_doc/3
    16. {
    17.   "name": "王五",
    18.   "age": 19,
    19.   "address": "广东越秀区"
    20. }
    22. PUT person/_doc/4
    23. {
    25.   "name": "王五",
    26.   "age": 19,
    27.   "address": "华为5G手机"
    28. }

    image.png
    1.执行term搜索：

    1. #term查询，查询的关键字必须和词条完全匹配
    2. GET person/_search
    3. {
    4.     "query": {
    5.       "term": {
    6.         "address": {
    7.           "value": "广东"
    8.       }
    9.     }
    10.   }
    11. }

    查询结果如下
    image.png

    1. 可以发现查询结果为空，因为我们之前在添加文档时，并没有指定字段使用哪种分词器，它会默认使用standard单字分词器，将address的内容分成一个个字来和文档建立倒排索引。因此如果我们查询的关键字如果是“广”、“东”这样一个个字就可以查询到结果，如下所示：：：：

    image.png
    实际项目中，我们查询一般是按照一个个词来进行查询，所以如果使用standard分词器，查询效果并不好，因此我们在创建索引之初一般会指定需要分词的字段的分词器是ik分词器，我们删除person索引库并进行重建，脚本如下：

    1. #删除索引库
    2. DELETE person
    4. #创建索引库并指定映射
    5. PUT person
    6. {
    7.     "mappings": {
    8.       "_doc":{
    9.         "properties": {
    10.           "age": {
    11.             "type": "integer"
    12.         },
    13.         "name": {
    14.             "type": "keyword"
    15.         },
    16.         "address": {
    17.             "type": "text",
    18.           "analyzer": "ik_max_word"
    19.         }
    20.       }
    21.     }
    22.   }
    24. }
    25. # 再重新添加文档
    26. PUT person/_doc/1
    27. {
    28.   "name": "张三",
    29.   "age": 20,
    30.   "address": "广东天河区"
    31. }
    33. PUT person/_doc/2
    34. {
    35.   "name": "李四",
    36.   "age": 19,
    37.   "address": "广东黄浦区"
    38. }
    40. PUT person/_doc/3
    41. {
    42.   "name": "王五",
    43.   "age": 19,
    44.   "address": "广东越秀区"
    45. }
    47. PUT person/_doc/4
    48. {
    50.   "name": "王五",
    51.   "age": 19,
    52.   "address": "华为5G手机"
    53. }

    这时候我们再来搜索关键字“广东”就搜索到结果了，我们可以根据ES提供的分词验证接口，验证广东天河区的分出了哪些词，如下所示：
    image.png
    2.执行match搜索

    1. GET person/_search
    2. {
    3.     "query": {
    4.       "match": {
    5.         "address": "广东天河"
    6.     }
    7.   }
    8. }

    查询结果如下：
    image.png
    为什么可以查询出来呢？虽然索引库里并没有”广东天河”这个词，但是match搜索会将查询条件，也就是”广东天河”先分词，分词算法同样是使用ik_max_word，我们来验证一下看看分词效果：
    image.png