在这种情况下，我不确定标准标记器（由默认标准分析器使用）为什么会表现如下：
-如果我使用单词system.exe，它将生成令牌system.exe。我了解.不是断词器。
-如果我使用单词system32.exe，它将生成标记system和exe。我不明白，为什么在找到number + .时会打断单词？
-如果我使用单词system32tm.exe，它将生成令牌system32tm.exe。与第一个示例一样，它可以按预期工作，不会将单词分解为不同的标记。
我已经读过http://unicode.org/reports/tr29/#Word_Boundaries，但我仍然不明白为什么number +点（.）是字边界
Elasticsearch标准标记器行为和单词边界
•
问答
lgq890116 回答：Elasticsearch标准标记器行为和单词边界
如问题中所述，standard令牌生成器根据Unicode Standard Annex #29中的Unicode文本分段算法提供基于语法的令牌生成。
如果您有letter + dot + letter，则规则http://unicode.org/reports/tr29/#Word_Boundaries要不要中断，请参见以上规范中的WB6。因此tm.exe被保留，system32.exe被拆分。
规范说，除了列出的例外，它总是分裂。例外WB6和WB7表示，它从不按字母，标点和字母分割。规则WB11和WB12表示，它永远不会按数字，标点符号和数字分割。但是，对于数字，然后是标点符号，然后是字母，则没有这样的规则，因此默认规则适用，system32.exe被拆分。