Solr学习笔记（三）：分词

Analyzer(分析器)

https://cwiki.apache.org/confluence/display/solr/Understanding+Analyzers,+Tokenizers,+and+Filters

分词器就是将句子分成单个的词，过滤器就是对分词的结果进行筛选，例如中文中将“的”“呀”这些对句子主体意思影响不大的词删除，英语中类似的就是"is"，"a"等等。

分析器包括两个部分：tokenizer（分词器）和filter（分词过滤器，它们将按照所列的顺序发生作用）。for example：

Tokenizer（分词器）

常见的分词器有：

• KeywordTokenizerFactory：不管什么内容，整句当成一个关键字
• LetterTokenizerFactory：根据字母来分词，抛弃非字母的部分，例如："I can't" ==> "I", "can", "t"
• WhitespaceTokenizerFactory：根据空格来分词，例如："I do" ==> "I", "do"
• IKTokenizerFactory：IK分词器

Filter（过滤器）

常见的过滤器：

• LowerCaseFilterFactory：将大写字母转换成小写，不处理非字母部分
• SynonymFilterFactory：同义词
• LengthFilterFactory: 限定字符长度
• RemoveDuplicatesTokenFilterFactory：移除重复文本