Elasticsearch分析器定义中type字段的作用及相关疑问

先贴出你定义的索引设置代码：

settings = new { 
    index = new { 
        number_of_shards = 1, 
        number_of_replicas = 1, 
        analysis = new { 
            analyzer = new { 
                analyzer_standard_with_html_strip = new { 
                    type = "standard", 
                    char_filter = new string[] { "html_strip" }, 
                    stopwords = "_english_" 
                } 
            } 
        } 
    } 
}

咱们逐个拆解你的问题：

1. type字段的作用是什么？ #

type字段的核心作用是告诉Elasticsearch你要基于哪个内置分析器来构建自定义分析器，或者定义一个完全自定义的分析器类型。

当你设置type: "standard"时，相当于给Elasticsearch一个明确指令：我要复用内置standard分析器的基础配置（比如它的分词器、默认过滤器），然后在这个基础上修改或添加额外的配置项（比如你这里的html_strip字符过滤器、英文停用词）。

2. 它是否让该分析器基于standard分析器？ #

没错，完全正确。

standard是Elasticsearch的默认分析器，默认包含standard分词器、lowercase过滤器，并且默认不启用停用词过滤。当你指定type: "standard"后，你的自定义分析器会完整继承这些核心组件，同时你可以通过配置参数来覆盖或扩展它——比如你这里添加了html_strip来去除HTML标签，又设置stopwords: "_english_"来启用英文停用词过滤，这些都是在standard分析器的基础上做的增强。

3. 去掉type字段仍能正常工作，这是为什么？ #

这是因为Elasticsearch会做默认配置推断：

• 当你没有指定type时，Elasticsearch会默认将分析器类型设为custom（这是完全自定义分析器的类型，允许你自由组合分词器、过滤器、字符过滤器）。
• 同时，如果你没有显式指定tokenizer（分词器），Elasticsearch会自动使用standard分词器作为默认值。

不过这里要注意一个细节：这种默认推断出来的分析器，和你指定type: "standard"的分析器行为并非完全一致。比如standard分析器默认会包含lowercase过滤器，但如果是默认的custom类型分析器，如果你没有手动添加lowercase到filter数组里，你的分析器就不会对文本做小写转换。你现在的例子里看起来正常，只是因为你没涉及到大小写转换的场景，但如果实际场景需要，两者的差异就会显现出来。

内容的提问来源于stack exchange，提问作者Adam Benson