理解ElasticSearch的中文分词器【IK】

客官°小女子只卖身不卖艺 2024-02-18 17:53 37阅读 0赞

从【 [https://github.com/medcl/elasticsearch-analysis-ik/releases][https_github.com_medcl_elasticsearch-analysis-ik_releases] 】下载【 elasticsearch-analysis-ik-1.6.0.zip】文件。

里面值包含了代码，需要执行【mvn package】进行编译打包，生成【elasticsearch-analysis-ik-1.6.0.jar】文件。

拷贝【target/releases/elasticsearch-analysis-ik-1.6.0.zip】中的文件到【<ES\_ROOT>/plugins/ik】目录中。

拷贝【elasticsearch-analysis-ik-1.6.0.zip】中的【config/ik】中的文件到【<ES\_ROOT>/config/ik】目录中。

重启 ElasticSearch 即可。

**分词器：**

IK 包含两类分词器：

1.  **ik\_max\_word**: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；
2.  **ik\_smart**: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

不同项目可以不同选择，个人是推荐使用【 **ik\_smart**】，相对来说分出来的词更符合直观感受。

**使用样例：**

1. 先创建名叫【index】的索引：

curl -XPUT http://localhost:9200/index

2. 创建名为【fulltext】的 类型 ，并设定其使用【IK】分词器。这一步很重要，必须在往索引中添加数据前完成。

curl -XPOST http://localhost:9200/index/fulltext/_mapping -d' 
         {
            
             "fulltext": {
            
                      "_all": {
            
                     "analyzer": "ik_max_word", 
                     "search_analyzer": "ik_max_word", 
                     "term_vector": "no", 
                     "store": "false" 
                 }, 
                 "properties": {
            
                     "content": {
            
                         "type": "string", 
                         "store": "no", 
                         "term_vector": "with_positions_offsets", 
                         "analyzer": "ik_max_word", 
                         "search_analyzer": "ik_max_word", 
                         "include_in_all": "true", 
                         "boost": 8 
                     } 
                 } 
             } 
         }'

3. 往索引库中添加数据：

curl -XPOST http://localhost:9200/index/fulltext/1 -d'{"content":"美国留给伊拉克的是个烂摊子吗"}' 
         curl -XPOST http://localhost:9200/index/fulltext/2 -d'{"content":"公安部：各地校车将享最高路权"}' 
         curl -XPOST http://localhost:9200/index/fulltext/3 -d'{"content":"中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"}' 
         curl -XPOST http://localhost:9200/index/fulltext/4 -d'{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}'

4. 查询测试：

查询语句：

curl -XPOST http://localhost:9200/index/fulltext/_search  -d' 
         {
            
             "query" : { "term" : { "content" : "中国" }}, 
             "highlight" : {
            
                 "pre_tags" : ["<tag1>", "<tag2>"], 
                 "post_tags" : ["</tag1>", "</tag2>"], 
                 "fields" : {
            
                     "content" : {} 
                 } 
             } 
         } 
         '

查询结果：

{
            
             "took": 14, 
             "timed_out": false, 
             "_shards": {
            
                 "total": 5, 
                 "successful": 5, 
                 "failed": 0 
             }, 
             "hits": {
            
                 "total": 2, 
                 "max_score": 2, 
                 "hits": [ 
                     {
            
                         "_index": "index", 
                         "_type": "fulltext", 
                         "_id": "4", 
                         "_score": 2, 
                         "_source": {
            
                             "content": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首" 
                         }, 
                         "highlight": {
            
                             "content": [ 
                                 "<tag1>中国</tag1>驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首 " 
                             ] 
                         } 
                     }, 
                     {
            
                         "_index": "index", 
                         "_type": "fulltext", 
                         "_id": "3", 
                         "_score": 2, 
                         "_source": {
            
                             "content": "中韩渔警冲突调查：韩警平均每天扣1艘中国渔船" 
                         }, 
                         "highlight": {
            
                             "content": [ 
                                 "均每天扣1艘<tag1>中国</tag1>渔船 " 
                             ] 
                         } 
                     } 
                 ] 
             } 
         }

**参考：**

1.  [https://github.com/medcl/elasticsearch-analysis-ik][https_github.com_medcl_elasticsearch-analysis-ik]
2.  《Elasticsearch: The Definitive Guide》（电子书）

[https_github.com_medcl_elasticsearch-analysis-ik_releases]: https://github.com/medcl/elasticsearch-analysis-ik/releases
[https_github.com_medcl_elasticsearch-analysis-ik]: https://github.com/medcl/elasticsearch-analysis-ik