Elasticsearch的ik分词器安装和验证

1、什么是分词器
        把文本转换为一个个的单词，分词称之为analysis。es默认只对英文语句做分词，中文不支持，每个中文字都会被拆分为独立的个体。
2、es内置分词器

• standard：默认分词，单词会被拆分，大小会转换为小写。
• simple：按照非字母分词。大写转为小写。
• whitespace：按照空格分词。忽略大小写。
• stop：去除无意义单词，比如the/a/an/is…
• keyword：不做分词。把整个文本作为一个单独的关键词。

3、ik中的两种分词器

• ik_max_word：会将文本做最细粒度的拆分，比如会将“我是中国人”拆分为“我，是，中国人，中国，国人”，会穷尽各种可能的组合，适合 Term Query；
• ik_smart：会做最粗粒度的拆分，比如会将“我是中国人”拆分为“我，是，中国人”，适合 Phrase 查询。

4、自定义中文分词库
      中文词汇复杂繁多，ik分词器也不能保证所有情况下都能有效的分词，例如：“骚年在认真的学习”，就会被拆分成“骚，年在，认真的，学习”，很明显“年在”并不是一个词，同样的一些专属名词也不能很有效的分词，比如：“印象笔记”，“掘金网“等等，这时候我们就需要为分词器，添加自定义词汇。
5、安装ik分词器

1）下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

选择对应的版本，我之前安装的elasticsearch是7.4.2版本，ik也是这个版本。

2）下载到plugins文件夹下

使用命名进入es容器内部

docker exec -it 0d3a094476dd /bin/bash

进入后直接切换到plugins目录，通过命令下载ik压缩包到此目录

wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip

如果出现wget没有安装，就先安装再下载。

#安装wget
yum install wget

最后下载完成后可以看到目录下有elasticsearch-analysis-ik-7.4.2.zip文件。

3）解压文件到ik文件夹下，重启es。

unzip elasticsearch-analysis-ik-7.4.2.zip -d ik

#赋予权限
chmod -R 777 ik/

检查ik，进入bin目录，查看

elasticsearch-plugin list

重启es

#docker下执行
docker restart elasticsearch

#linux下执行
./bin/elasticsearch

4）验证ik

POST _analyze
{
  "analyzer": "ik_smart",
  "text": "我是中国人"
}


POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是中国人"
}

6、自定义分词库

1）在nginx/html下创建es目录，编写fenci.txt文档，插入要分词的内容。

mkdir es

2）nginx访问

3）修改ik分词器配置文件、添加自定义词典

cd /home/data/elasticsearch/plugins/ik/config

修改IKAnalyzer.cfg.xml文件

vi IKAnalyzer.cfg.xml

        IK Analyzer 扩展配置
        
        custom.dic
         
        
        
        
        
        

#备份 
cp IKAnalyzer.cfg.xml   IKAnalyzer.cfg.xml20200724

修改为一下内容,重启es

        IK Analyzer 扩展配置
        
        
         
        
        
        http://172.16.175.211/es/fenci.txt 
        
        

4）验证自定义分词

POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "乔碧萝殿下"
}

如果有其他的分词可以自行在fenci.txt文件加的。