Elasticsearch实践（四）：IK分词

环境：Elasticsearch 6.2.4 + Kibana 6.2.4 + ik 6.2.4

Elasticsearch默认也能对中文进行分词。

我们先来看看自带的中文分词效果：

结果：

我们发现，是按照每个字进行分词的。这种在实际应用里肯定达不到想要的效果。当然，如果是日志搜索，使用自带的就足够了。

其实调用的是 分词器。

接下来，我们安装IK分词插件进行分词。

安装IK

IK项目地址：https://github.com/medcl/elasticsearch-analysis-ik

首先需要说明的是，IK插件必须和 ElasticSearch 的版本一致，否则不兼容。

安装方法1：从 https://github.com/medcl/elasticsearch-analysis-ik/releases 下载压缩包，然后在ES的 目录创建 子目录，把压缩包的内容复制到这个目录里面即可。最终 目录里面的内容：

然后重启 ElasticSearch。

安装方法2：

如果已下载压缩包，直接使用：

然后重启 ElasticSearch。

IK分词

IK支持两种分词模式：

ikmaxword: 会将文本做最细粒度的拆分，会穷尽各种可能的组合

ik_smart: 会做最粗粒度的拆分

接下来，我们测算IK分词效果和自带的有什么不同：

结果：

再试一下 的效果：

设置mapping默认分词器

示例：

注：这里设置 与 相同是为了确保搜索时和索引时使用相同的分词器，以确保查询中的术语与反向索引中的术语具有相同的格式。如果不设置 ，则 与 相同。详细请查阅：https://www.elastic.co/guide/en/elasticsearch/reference/current/search-analyzer.html

防盗版声明：本文系原创文章，发布于公众号 (fhyblog)及博客园，转载需作者同意。

自定义分词词典

我们也可以定义自己的词典供IK使用。比如：

结果：

我们希望 作为一个整体，这时候可以把该词加入到自己的词典里。

新建自己的词典只需要简单几步就可以完成：1、在 目录增加一个 :

为词典文件，其实就是简单的文本文件，词语与词语直接需要换行。注意是UTF8编码。我们看一下自带的分词文件：

2、然后修改 文件：

增加了 ，然后重启ES。我们再看一下效果：

结果：

说明自定义词典生效了。如果有多个词典，使用英文分号隔开：

另外，我们看到配置里还有个 ，这个是用来辅助断句的。我们可以看一下自带的一个 ：

也就是IK分词器遇到这些词就认为前面的词语不会与这些词构成词语。

IK分词也支持远程词典，远程词典的好处是支持热更新。词典格式和本地的一致，都是一行一个分词（换行符用 ），还要求填写的URL满足：

详见：https://github.com/medcl/elasticsearch-analysis-ik 热更新 IK 分词使用方法 部分。

注意：上面的示例里我们改的是 目录下内容，是因为IK是通过方法2里 安装的。如果你是通过解压方式安装的，那么IK配置会在plugins目录，即： 。也就是说插件的配置既可以放在插件所在目录，也可以放在Elasticsearch的config目录里面。

ES内置的Analyzer分析器

es自带了许多内置的Analyzer分析器，无需配置就可以直接在index中使用：

标准分词器（standard）：以单词边界切分字符串为terms，根据Unicode文本分割算法。它会移除大部分的标点符号，小写分词后的term，支持停用词。

简单分词器（simple）：该分词器会在遇到非字母时切分字符串，小写所有的term。

空格分词器（whitespace）：遇到空格字符时切分字符串，

停用词分词器（stop）：类似简单分词器，同时支持移除停用词。

关键词分词器（keyword）：无操作分词器，会输出与输入相同的内容作为一个single term。

模式分词器（pattern）：使用正则表达式讲字符串且分为terms。支持小写字母和停用词。

语言分词器（language）：支持许多基于特定语言的分词器，比如english或french。

签名分词器（fingerprint）：是一个专家分词器，会产生一个签名，可以用于去重检测。

自定义分词器：如果内置分词器无法满足你的需求，可以自定义custom分词器，根据不同的character filters，tokenizer，token filters的组合 。例如IK就是自定义分词器。

详见文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-analyzers.html

参考

1、medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary.https://github.com/medcl/elasticsearch-analysis-ik

2、ElesticSearch IK中文分词使用详解 - xsdxs的博客 - CSDN博客

https://blog.csdn.net/xsdxs/article/details/72853288