31_彻底掌握IK中文分词_IK分词器配置文件讲解以及自定义词库实战

Posted 2023-04-30

参考技术A <meta charset="utf-8">

ik配置文件地址：es/plugins/ik/config目录

IKAnalyzer.cfg.xml：用来配置自定义词库

main.dic：ik原生内置的中文词库，总共有27万多条，只要是这些单词，都会被分在一起

quantifier.dic：放了一些单位相关的词

suffix.dic：放了一些后缀

surname.dic：中国的姓氏

stopword.dic：英文停用词

main.dic：包含了原生的中文词语，会按照这个里面的词语去分词

stopword.dic：包含了英文的停用词

停用词，stopword

a the and at but

一般，像停用词，会在分词的时候，直接被干掉，不会建立在倒排索引中

（1）自己建立词库：每年都会涌现一些特殊的流行词，网红，蓝瘦香菇，喊麦，鬼畜，一般不会在ik的原生词典里

自己补充自己的最新的词语，到ik的词库里面去

IKAnalyzer.cfg.xml：ext_dict，custom/mydict.dic

补充自己的词语，然后需要重启es，才能生效

（2）自己建立停用词库：比如了，的，啥，么，我们可能并不想去建立索引，让人家搜索

custom/ext_stopword.dic，已经有了常用的中文停用词，可以补充自己的停用词，然后重启es

solr8.0 ik中文分词器的简单配置

下载ik分词器，由于是solr8.0，一些ik分词器版本可能不兼容，以下是个人亲测可行的版本

链接：https://pan.baidu.com/s/1_Va-9af-jMcqepGQ9nWo3Q
提取码：0a3y

然后将解压出来的两个jar包放到以下路径：

 

其它的三个文件放到以下路径：

如果没有classes文件夹就创建一个

 

然后进行ik分词器的配置，编辑以下路径的managed-schema文件

 

将以下配置放到后边

<!-- ik分词器 -->
    <fieldType name="text_ik" class="solr.TextField">
    <!-- 索引分词器 -->
    <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
    <!-- 查询分词器 -->
    <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
    </fieldType>
    

 

到这里ik分词器就配置好了，如果需要设置扩展字典和扩展停止字典，只需要编辑下列路径的ext（扩展字典）和stopword（扩展停止字典）文件就行了