# Classic Tokenizer **`classic` tokenizer** 是一种基于语法的标记器，适用于英文文档。 该标记器启发式地特殊处理了首字母缩略词、公司名称、电子邮件地址和互联网主机名。 但是，这些规则并不总是起作用，而且除了英文之外，大多数语言中并不能正常工作： * 它以大多数标点符号分割字词，删除标点符号。 不过，后面没有空格的点被认为是 **token** 的一部分。 * 它以连字符分隔单词。除非 **token** 中有一个数字，在这种情况下，整个 **token** 将被解释为产品编号，并且不分割。 * 它将电子邮件地址和互联网主机名识别为一个词元。 原文链接 : [https://www.elastic.co/guide/en/elasticsearch/reference/5.4/analysis-classic-tokenizer.html](https://www.elastic.co/guide/en/elasticsearch/reference/5.4/analysis-classic-tokenizer.html) 译文链接 : [http://www.apache.wiki/display/Elasticsearch/Classic+Tokenizer](http://www.apache.wiki/display/Elasticsearch/Classic+Tokenizer) 贡献者 : [陈益雷](/display/~chenyilei)，[ApacheCN](/display/~apachecn)，[Apache中文网](/display/~apachechina) ## **输出示例** ``` POST _analyze { "tokenizer": "classic", "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone." } ``` 上面的句子会生成如下的词元： ``` [ The, 2, QUICK, Brown, Foxes, jumped, over, the, lazy, dog's, bone ] ``` ## **配置** **Classic Tokenizer**  接受以下参数： _**max_token_length**_   单个 token 的最大长度。如果一个 token 超过这个长度，则以  `max_token_length 为间隔分割。默认值是` `255`.。 ## **配置示例** 下面的例子中，我们配置 **Classic Tokenizer **的  `_**max_token_length**_ 为 5 (便于展示)：` ``` PUT my_index { "settings": { "analysis": { "analyzer": { "my_analyzer": { "tokenizer": "my_tokenizer" } }, "tokenizer": { "my_tokenizer": { "type": "classic", "max_token_length": 5 } } } } } POST my_index/_analyze { "analyzer": "my_analyzer", "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone." } ``` 输出如下： ``` [ The, 2, QUICK, Brown, Foxes, jumpe, d, over, the, lazy, dog's, bone ] ```