第 3 章 分词台：映射与分析器如何拆解文档
文档摘要
第 3 章 · 分词台：映射与分析器如何拆解文档 章节摘要：文档进入引擎的第一站是分词台——映射（mapping）先给每个字段定规则，分析器（analyzer）再把文本拆成词条、写进倒排索引。这一章决定 doc-1001 "能不能被搜到、以什么形态被搜到"：text 与 keyword 的分野、标准分析器对中文的短处、自定义分析器的组装方法、索引的设置与别名机制。分词台是全旅程中回报率最高的一站，投入一小时，省掉后面无数次"为什么搜不到"。 学习目标 阅读完本章，你应当能够： 写出带 text、keyword、date、integer 字段的显式映射，并解释每个选择的检索与聚合后果。 用分析接口亲眼看到一段文本被拆成的词条，指出标准分析器处理中文时的行为。
第 3 章 · 分词台：映射与分析器如何拆解文档
章节摘要：文档进入引擎的第一站是分词台——映射（mapping）先给每个字段定规则，分析器（analyzer）再把文本拆成词条、写进倒排索引。这一章决定 doc-1001 "能不能被搜到、以什么形态被搜到"：text 与 keyword 的分野、标准分析器对中文的短处、自定义分析器的组装方法、索引的设置与别名机制。分词台是全旅程中回报率最高的一站，投入一小时，省掉后面无数次"为什么搜不到"。
学习目标
阅读完本章，你应当能够：
- 写出带 text、keyword、date、integer 字段的显式映射，并解释每个选择的检索与聚合后果。
- 用分析接口亲眼看到一段文本被拆成的词条，指出标准分析器处理中文时的行为。
- 按字符过滤器、分词器、词条过滤器的顺序组装一个自定义分析器，解决中英混排的切词问题。
- 读一份索引设置，区分静态参数与动态参数，说明主分片数为什么属于前者。
- 用别名实现索引的零停机重建与切换，把"主分片数不可改"的限制变成可操作的扩容流程。
核心概念速览
金句：映射是文档的户籍，分析器是文本的剪刀——户籍定错了要搬家重来，剪刀钝了则永远搜不全。
子章节导航
3.1 映射：文档进站前的登记表
从动态映射的便利与风险讲起，过渡到显式映射的完整写法：字段类型清单、text 加 keyword 子字段的双形态套路、参数调档。最后回答那个经典问题——映射错了为什么只能重建。
3.2 分析器解剖：字符过滤、分词与归一化
用分析接口当显微镜，逐个观察标准分析器对中英文的处理；再按三段流水线组装自定义分析器，处理繁简、全半角、停用词这些真实脏数据。搜索质量的根子在这一节。
3.3 索引的生老病死：创建、设置、别名与删除
索引不止"建了就用"：设置分静态与动态、别名让重建与切换零停机、删除与关闭各有场景。读完你会掌握一套完整的索引生命周期操作，为第 9 章的容量规划打底。
子章节之间的逻辑关系
三节沿着"登记、拆解、容器"递进：映射先声明规则，分析器在规则之下执行拆解，索引设置则管理承载两者的容器。3.2 的分析器必须挂在映射的字段上才生效，3.3 的别名切换正是 3.1 所说"改映射要重建索引"的标准解法——三节互为工具与出口。
3.1 映射定规则 ──► 3.2 分析器执行拆解 ──► 3.3 索引容器管理 │ │ │ └─► 第5章 term与match │ └─► 第8章 分片与容量 └─► 第9章 案例里的中文检索调优
本章考核清单
| 考核点 | 达标标准 | 对应小节 |
|---|---|---|
| 写显式映射 | 给定工单字段清单，写出含 text、keyword、date、integer 的完整映射 | 3.1 |
| 双形态套路 | 解释 text 挂 keyword 子字段解决什么问题，写出使用两种形态的请求 | 3.1 |
| 预测分析结果 | 给定一段中英混排文本，说出标准分析器切出的词条序列 | 3.2 |
| 组装分析器 | 按字符过滤、分词、词条过滤三段组装自定义分析器并验证 | 3.2 |
| 零停机重建 | 独立演练建新、搬运、切别名、删旧四步，并说明切换为何原子 | 3.3 |
易错点速查
- 映射里只写 text 忘了聚合形态：报表上线才发现按标题分组拿到的是碎词条，回头补子字段又要重建。
- 换个索引验证分析器：分析器定义在索引设置里，跨索引的验证结果不可比，测试要在同设置的目标索引上做。
- 别名一换就删旧索引：回滚窗口瞬间归零，观察几天再删是纪律，删除不可逆。
前置知识与后续延伸
- 前置知识：第 1 章倒排索引与分词决定搜索上限的论断；第 2 章五步往返里动态映射的伏笔；JSON 嵌套结构读写无碍。
- 后续延伸：本章的词条形态直接决定第 5 章 match 与 term 的行为差异；别名机制在第 9 章综合案例里承担零停机重建；分析器调优思路会迁移到第 9 章的中文搜索优化。