Elasticsearch之analysis

Posted 2021-07-10 爱上口袋的天空

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Elasticsearch之analysis相关的知识，希望对你有一定的参考价值。

1、简介

analysis(只是一个概念)，文本分析是将全文本转换为一系列单词的过程，也叫分词。analysis是通过analyzer(分词器)来实现的，可以使用Elasticsearch内置的分词器，也可以自己去定制一些分词器。除了在数据写入的时候进行分词处理，那么在查询的时候也可以使用分析器对查询语句进行分词。

anaylzer是由三部分组成，例如有：Hello a World, the world is beautiful

1. Character Filter: 将文本中html标签剔除掉。

2. Tokenizer: 按照规则进行分词，在英文中按照空格分词。

3. Token Filter: 去掉stop world(停顿词，a, an, the, is, are等)，然后转换小写

2、内置分词器

内置分词器示例：

3、ik分词器

IK分词器在任何操作系统下安装步骤均⼀样: 在ES的家⽬录下的 plugins ⽬录下创建名为 ik 的⽂件夹，然后将下载后的 zip 包拷⻉到 ik 解压即可

IK分词器提供了两种分词⽅式：

验证：

4、⾃定义词库

在很多的时候，业务上的⼀些词库极有可能不在IK分词器的词库中，需要去定制属于我们⾃⼰的词库。例如下⾯的例⼦中，正井猫、 up主被切分为⼀个个的字，我们希望这两个词语是不被拆分；另外的作为中⽂的停顿词，也不希望出现在分词中，所以我们需要⾃定义词库和停顿词词库。

进⼊到 $ES_HOME/plugins/ik/config ⽬录下，创建 custom ⽬录，在⽬录下创建 mydic.dic 、 ext_stopword.dic ⽂件，

在 mydic.dic ⽂件中添加两⾏内容：

在 ext_stopword.dic 中添加⼀⾏内容:

最后修改 $ES_HOME/plugins/ik/config/IKAnalyzer.cfg.xml ⽂件，内容如下：

重启重启elasticsearch elasticsearch ，重新执⾏如上的命令，结果如下：

5、IK分词器在工作中的实际案例

5.1、首先创建new索引的mapping

PUT news
{
  "mappings": {
    "properties": {
      "title":{
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      },
      "content":{
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      }
    }
  }
}

注意：analyzer和search_analyzer的区别如下：

analyzer：表示数据在进入news这个索引中的时候，我们尽量让它多的对我们数据进行分词，后面才能够达到精准的匹配。

search_analyzer：对我们的数据进行搜索的时候不要进行过多的分词处理，提高效率。

5.2、查看创建的索引结构

GET news/_mapping

5.3、创建数据进入索引

5.4、通过语句查询

下面我们再新增两条数据测试

查询一下柳岩：

可以发现我们其实仅仅只是查询柳岩，但是两条数据都查询出来了，那么我们首先配置一下mydic.dic扩展词典：

重新启动elasticsearch:

因为我们之前的数据已经分过词了，所以我们需要重新分词相关数据：

先重新索引柳岩：

POST news/_update_by_query
{
  "query": {
    "bool": {
      "should": [
        {
          "bool": {
            "must": [
              {
                "term": {
                  "title": {
                    "value": "柳"
                  }
                }
              },{
                "term": {
                  "title": {
                    "value": "岩"
                  }
                }
              }
            ]
          }
        },{
          "bool": {
            "must": [
              {
                "term": {
                  "content": {
                    "value": "柳"
                  }
                }
              },{
                "term": {
                  "content": {
                    "value": "岩"
                  }
                }
              }
            ]
          }
        }
      ]
    }
  }
}

先重新索引柳真：

POST news/_update_by_query
{
  "query": {
    "bool": {
      "should": [
        {
          "bool": {
            "must": [
              {
                "term": {
                  "title": {
                    "value": "柳"
                  }
                }
              },{
                "term": {
                  "title": {
                    "value": "真"
                  }
                }
              }
            ]
          }
        },{
          "bool": {
            "must": [
              {
                "term": {
                  "content": {
                    "value": "柳"
                  }
                }
              },{
                "term": {
                  "content": {
                    "value": "真"
                  }
                }
              }
            ]
          }
        }
      ]
    }
  }
}

再次查询：