Elasticsearch 分词器的使用与IK分词器安装

Posted 2021-09-05 斯普润布特

Elasticsearch 分词器安装与使用

ES内置分词器

• standard：默认分词器，简单会被拆分，英文统一转换为小写
• simlle：按照非字母分词，英文统一转换为小写
• whitespace：按照空格分词
• stop：去除无意义的单词，比如：the、is、a、an
• keyword：不做分词，把文本的整体当作一个单独的关键词

测试分词结果

指定分词器测试结果

GET    http://192.168.213.154:9200/_analyze
POST   http://192.168.213.154:9200/_analyze

{
    "text":"The Super Man",
    "analyzer":"standard"
}

 测试文本中的字段分词结果

GET    http://192.168.213.154:9200/index_test_1/_analyze
POST   http://192.168.213.154:9200/index_test_1/_analyze

{
    "analyzer": "standard",
    "field": "name",
    "text": "Why so powerful "
}

 索引中使用分词器

• 可以在创建索引的时候同时创建映射关系的时候使用
• 也可以在为索引创建映射关系的时候使用

PUT     http://192.168.213.154:9200/index_test_1
{
    "mappings": {
        "properties": {
            "realname": {
            	"type": "text",
            	"index": true
            },
            "username": {
            	"type": "keyword",
            	"index": false
            }
        }
    }
}


---------------------------------------------------------------------


POST    http://192.168.213.154:9200/index_test_1/mapping
{
    "properties": {
        "name": {
        	   "type": "text",
               "analyzer":"stop"
        }
    }
}

安装中文IK分词器

• github IK分词器下载地址，选择对应ES版本的分词器即可
• 进入elasticsearch安装目录
• 在./plugins文件加下创建一个ik文件夹
  • cd /usr/local/elasticsearch/plugins/ 
  • mkdir ik
• 然后将下载的压缩包解压到这个文件夹下，重启ES即可
  • cd ik
  • unzip /home/chenyb/software/elasticsearch-analysis-ik-7.4.2.zip
  • 记得给ik文件夹授权
    • chown es:es ./ik/

 IK分词器

ik：ik_max_word，细粒度分词

{
    "tokens": [
        {
            "token": "中华人民共和国",
            "start_offset": 0,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "中华人民",
            "start_offset": 0,
            "end_offset": 4,
            "type": "CN_WORD",
            "position": 1
        },
        {
            "token": "中华",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 2
        },
        {
            "token": "华人",
            "start_offset": 1,
            "end_offset": 3,
            "type": "CN_WORD",
            "position": 3
        },
        {
            "token": "人民共和国",
            "start_offset": 2,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 4
        },
        {
            "token": "人民",
            "start_offset": 2,
            "end_offset": 4,
            "type": "CN_WORD",
            "position": 5
        },
        {
            "token": "共和国",
            "start_offset": 4,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 6
        },
        {
            "token": "共和",
            "start_offset": 4,
            "end_offset": 6,
            "type": "CN_WORD",
            "position": 7
        },
        {
            "token": "国",
            "start_offset": 6,
            "end_offset": 7,
            "type": "CN_CHAR",
            "position": 8
        }
    ]
}

ik：ik_smart，粗力度分词

{
    "tokens": [
        {
            "token": "中华人民共和国",
            "start_offset": 0,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 0
        }
    ]
}

自定义词库

• 编辑配置文件
  • 绝对路径，相对路径都可以，多个配置用“;”间隔
  • 命名没有要求，建议dic后缀规范而已
    • vim ./elasticsearch/plugins/ik/config/IKAnalyzer.cfg.xml
  • 重启ES服务生效

​​​​​​​​​​​​​​