问题描述
在我测试es数据库正则表达式的语法时，发现中文字符串始终识别不到，找到可以识别的表达式是.*这让我百思不得其解
原因分析
究其原因：其实离不开elasticsearch数据库的原理——倒排列表，什么意思呢？假设我们存储一句话，那么，es数据库中的分词器会对这句话进行分词，然后将这些Token存入倒排列表。
举个例子来说，对于*“我真的好美丽”*这句话来说，分词器会将它识别为什么呢？
其实与分词器的选择有关，对于ES默认的分词器，会识别成下面这种格式
{"tokens": [{"token": "我","start_offset": 0,"end_offset": 1,"type": "<IDEOGRAPHIC>","position": 0},{"token": "真","start_offset": 1,"end_offset": 2,"type": "<IDEOGRAPHIC>","position": 1},{"token": "的","start_offset": 2,"end_offset": 3,"type": "<IDEOGRAPHIC>","position": 2},{"token": "好","start_offset": 3,"end_offset": 4,"type": "<IDEOGRAPHIC>","position": 3},{"token": "美","start_offset": 4,"end_offset": 5,"type": "<IDEOGRAPHIC>","position": 4},{"token": "丽","start_offset": 5,"end_offset": 6,"type": "<IDEOGRAPHIC>","position": 5}]}
你会发现，居然全是一个一个的单字！
而有了分词，es便将这些token做成了倒排列表，当你用正则表达式的文法严格搜索“我真的好美丽"时，会发现得到的结果是空集， 为什么这样答案可能你已经猜到了：因为正则表达式的文法过于严格，它严格地去匹配符合其文法规则的字符串，但是，es数据库的倒排索引中只有一个个的中文单字，找了一圈，它说，我没有找到这样的一句话，于是返回了空集。
问题解决
需要重建一个索引（数据库），并且在建立时指定使用的分词器
PUT website{"mappings": {"properties": {"user_id": {"type": "text" ,"analyzer": "ik_max_word" , //对应 IK 的 ik_max_word 和 ik_smart 两种分词策略 也可以不写，不写则默认"search_analyzer": "standard" //查询时使用的分词器},"name": {"type": "text","analyzer": "english"},"age": {"type": "integer" },"sex": {"type": "keyword" },"birthday": {"type": "date", "format": "strict_date_optional_time||epoch_millis"},"address": {"type": "text","index": false // 不分词}}}}
这样，我们更换了一种分词器ik_max_word，我们来看一下它对这句话的分词结果
{"tokens": [{"token": "我","start_offset": 0,"end_offset": 1,"type": "CN_CHAR","position": 0},{"token": "真的","start_offset": 1,"end_offset": 3,"type": "CN_WORD","position": 1},{"token": "好美","start_offset": 3,"end_offset": 5,"type": "CN_WORD","position": 2},{"token": "美丽","start_offset": 4,"end_offset": 6,"type": "CN_WORD","position": 3}]}
有朋友可能会问：你这样也解决不了我们的需求呀？ 这不是还没有我们要求的完整字段吗？
确实如此，所以就要求我们去寻找适合的分词方法，甚至自己来构造
对于本例而言，我们可以使用sample分词器，它是ES原生的分词器，不会将任何的中文字符拆开，因此可以满足我们的需求。
推荐阅读：
了解分词器是什么，有哪些分词器映射mapping是什么
