Elasticsearch实现中文分词

0x00 教程内容

1. 默认标准分词效果展示
2. 分词插件elasticsearch-analysis-ik
3. ik分词效果展示

0x01 默认标准分词效果展示

1. 默认标准分词器的使用

a. 英文分词效果展示
http://localhost:9200/_analyze?analyzer=standard&pretty=true&text=I am teacher SHAO

点击提交请求后，可看到右边有分词效果：

b. 中文分词效果展示
http://localhost:9200/_analyze?analyzer=standard&pretty=true&text=邵奈一老师

可看到，老师都被分开了，对于中文效果并不理想

2. 新建一个测试索引

a. 索引名：shaonaiyi，类型：teacher
http://localhost:9200/shaonaiyi

{
  "settings": {
    "number_of_replicas": 0
  },
  "mappings": {
    "teacher": {
      "dynamic": false,
      "properties": {
        "value": {
          "type": "text"
        }
      }
    }
  }
}

b. 插入数据
http://localhost:9200/shaonaiyi/teacher

{
	"value":"学大数据"
}

类似插入多两条，如下面：

{
	"value":"大学讲师"
}

{
	"value":"学习技能"
}

3. 查询及效果展示

a. 查询【POST】
http://localhost:9200/shaonaiyi/teacher/_search/

{
	"query": {
		"match": {
			"value": "大学"
		}
	}
}

b .结论
我们想要的结果只是：大学讲师，可是其他带“大”字和“学”字的结果都搜索出来了，这不是我们想要的结果。

0x02 分词插件elasticsearch-analysis-ik

1. 下载插件

a. github.com


b. 翻页，找到自己对应的Elasticsearch版本（如：5.6.1）

c. 点击下载并解压到Elasticsearch主目录的plugins目录下（如：E:\SmallTools\elasticsearch-5.6.1\plugins\elasticsearch）

2. 启动Elasticsearch

a. 关闭之前的elasticsearch.bat窗口（如没有启动则直接启动）
b. 打开elasticsearch.bat文件
c. 重启后刷新http://localhost:9100/，可看到前面创建的shaonaiyi索引，但需要重新创建索引，因为插件安装好了

3. 重新创建测试索引

a. 删除之前的shaonaiyi索引【DELETE】
http://localhost:9200/shaonaiyi

b. 创建索引【PUT】
http://localhost:9200/shaonaiyi

{
  "settings": {
    "number_of_replicas": 0
  },
  "mappings": {
    "teacher": {
      "dynamic": false,
      "properties": {
        "value": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        }
      }
    }
  }
}

0x03 ik分词效果展示

1. ik_max_word分词

a. 查询【POST】
http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=邵奈一老师

2. ik_smart分词

a. 将上面的三个均ik_max_word改为ik_smart
b. 创建一个新索引shaonaiyi888
c. 重新查询，比较不同

0xFF 总结

1. 如没有Elasticsearch基础或者有疑惑，请参考此篇教程：Elasticsearch的安装（windows）
2. 更多与ik分词插件相关知识请看github：medcl/elasticsearch-analysis-ik
3. 看以后是否有需求和时间，再出一个模仿百度的简单搜索引擎。

作者简介：邵奈一

大学大数据讲师、大学市场洞察者、专栏编辑

公众号、微博、CSDN：邵奈一

本系列课均为本人：邵奈一原创，如转载请标明出处