规范化器

规范化器（Normalizer）与分析器类似，但只能输出单个词元。因此，它们没有分词器，并且只接受一部分可用的字符过滤器和词元过滤器。只允许使用按字符逐个处理的过滤器。例如，允许使用小写化过滤器，但不允许使用词干提取过滤器，因为后者需要将关键词作为一个整体来处理。

当前可在规范化器定义中使用的过滤器列表如下：

• arabic_normalization
• asciifolding
• bengali_normalization
• cjk_width
• decimal_digit
• elision
• german_normalization
• hindi_normalization
• indic_normalization
• lowercase
• pattern_replace
• persian_normalization
• scandinavian_folding
• serbian_normalization
• sorani_normalization
• trim
• uppercase

Elasticsearch 自带一个 lowercase 内置规范化器。对于其他形式的规范化，需要进行自定义配置。

自定义规范化器

自定义规范化器接受一个字符过滤器列表和一个词元过滤器列表。

PUT index
{
  "settings": {
    "analysis": {
      "char_filter": {
        "quote": {
          "type": "mapping",
          "mappings": [
            "« => \"",
            "» => \""
          ]
        }
      },
      "normalizer": {
        "my_normalizer": {
          "type": "custom",
          "char_filter": [ "quote" ],
          "filter": [ "lowercase", "asciifolding" ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "foo": {
        "type": "keyword",
        "normalizer": "my_normalizer"
      }
    }
  }
}

原文链接