Elasticsearch自帶一套語言分析器（Analyzer），為世界上大多數語言提供良好的支援。Elasticsearch主要支援的語言有：阿拉伯語語、 亞美尼亞語、 巴斯克語、 巴西語、 保加利亞語、 加泰羅尼亞語、 中文、 捷克語、 丹麥語、 荷蘭語、 英語、 芬蘭語、 法語、 加利西亞語、 德語、 希臘語、 印地語、 匈牙利語、 印尼語、 愛爾蘭語、 義大利語、 日語、 韓語、 庫爾德語、 挪威語、 波斯語、 葡萄牙語、 羅馬尼亞語、 俄語、 西班牙語、 瑞典語、 土耳其語和泰語。

這些語言分析器通常執行下面四個任務：

（1）將文字標記為單個詞，如：
    The quick brown foxes → [The, quick, brown, foxes]

    （2）將詞變成小寫，如：
    The  →  the

   （3） 移除常用停用詞，如：
    [The, quick, brown, foxes] → [quick, brown, foxes]
    （4）從切分的詞幹中獲得詞根，如：
    foxes → fox

另外，根據某種特定的語言，每個分析器還可以對原始文字進行特定的轉換，以便對該語言進行更好的搜尋。例如，
（1） 英語分析器可以去掉所有格的形式，如：
    John's → john
   （2）法語分析器可以移除像l'、qu' 、¨或^之類的變音和母音符號，如：
    l'église→eglis
   （3） 德語分析器可以對詞（term）進行歸一化處理，如將單詞中的ä和ae替換為a，將單詞中的β替換為ss，如：
    äüßerst→ausserst

下面我們就通過例項看看如何使用語言分析器：

PUT/my_index
{
  "mappings": {
    "blog": {
      "properties": {
        "title": {
          "type":     "string",
          "analyzer":"english"
        }
      }
    }
  }
}

上面的例子就使用了ElasticSearch內建的english分析器在title欄位上建立了一個my_index索引，型別為blog。ElasticSearch內建的分析器不需要安裝配置，如果要使用IK或MMSeg之類的中文分析器，我們需要安裝這些分析器的外掛。我們可以使用下面的例子對title上欄位上的english語言解析器進行測試：

GET /my_index/_analyze?field=title&text=I'm not happyabout the foxes

執行結果為：

{
  "tokens":[
    {
     "token": "i'm",
     "start_offset": 0,
     "end_offset": 3,
     "type": "<ALPHANUM>",
     "position": 0
    },
    {
     "token": "happi",
     "start_offset": 8,
     "end_offset": 13,
     "type": "<ALPHANUM>",
      "position": 2
    },
    {
     "token": "about",
     "start_offset": 14,
     "end_offset": 19,
     "type": "<ALPHANUM>",
     "position": 3
    },
    {
     "token": "fox",
     "start_offset": 24,
     "end_offset": 29,
     "type": "<ALPHANUM>",
     "position": 5
    }
  ]
}

我們可以看到“I'mnot happy about the foxes”這句話被english分析器拆分為4個詞：i'm,happi, about, fox；句子中的not，about和the三個單詞是英文中的停用詞，沒有在被解析出來；而且，happy被解析為其詞根happi，foxes被解析為其單數形式fox。通過english分析器解析句子後，我們的搜尋會返回更多的結果，不管您輸入happiness還是not happy，您都能搜尋出這條記錄。但是，這樣解析之後，缺點是我們損失了原文的一部分資訊，我們不能根據索引判斷happy還是nothappy。

為了保持原文的精確度，我們可以使用多欄位(multifields)進行索引。首先我們使用下面的語句刪除my_index，然後使用多欄位(multifields)對title欄位進行兩次索引，一次用english分析器，另一次用standard標準分詞器。具體語句如下：

DELETE /my_index

PUT /my_index
{
 "mappings": {
    "blog":{
     "properties": {
       "title": {
         "type": "string",
         "fields": {
           "english": {
             "type":    "string",
              "analyzer": "english"
            }
          }
        }
      }
    }
  }
}

其中，title為主欄位，用的是standard標準分詞器；而後面的title.english子欄位用的是english分析器。建立多欄位索引後，我們可以利用下面的語句載入一些測試文字並檢索：

PUT /my_index/blog/1
{ "title": "I'm happy for this fox" }
 
PUT /my_index/blog/2
{ "title": "I'm not happy about my fox problem" }
 
GET /_search
{
  "query": {
    "multi_match": {
      "type":     "most_fields", 
      "query":    "not happy foxes",
      "fields": [ "title", "title.english" ]
    }
  }
}

在上面的搜尋語句中，我們使用了most_fields關鍵字對儘可能多的欄位進行匹配搜尋。搜尋結果如下：

{
  "took":109,
 "timed_out": false,
  "_shards":{
    "total": 48,
   "successful": 48,
   "failed": 0
  },
  "hits": {
    "total":2,
   "max_score": 0.10031386,
    "hits":[
      {
       "_index": "my_index",
       "_type": "blog",
       "_id": "2",
       "_score": 0.10031386,
       "_source": {
         "title": "I'm not happy about my fox problem"
        }
      },
      {
       "_index": "my_index",
       "_type": "blog",
       "_id": "1",
       "_score": 0.07141322,
       "_source": {
         "title": "I'm happy for this fox"
        }
      }
    ]
  }
}

我們可以看到，雖然兩篇文件都沒有含有我們要搜尋的foxes，但是由於title欄位上的english分析器將foxes轉換為fox，所以這兩篇文件都能被搜尋出來。另外，由於第二篇文件含有我們要檢索的單詞not，所以第二篇文件的得分score較高，被排在第一篇文件之前。