ElasticSearch学习(三)，IK分词器

1、IK分词器介绍

     IK分词器在是一款 基于词典和规则 的中文分词器。

2、测试分词器

     在添加文档时会进行分词，索引中存放的就是一个一个的词（ term ），当你去搜索时就是拿关键字去匹配词，最终

找到词关联的文档。

 

测试当前索引库使用的分词器：

 

post 发送： localhost:9200/_analyze

 

{"text":" 测试分词器，后边是测试内容： spring cloud 实战 "}

 

结果如下：

 

 

 

会发现分词的效果将 “ 测试 ” 这个词拆分成两个单字 “ 测 ” 和 “ 试 ” ，这是因为当前索引库使用的分词器对中文就是单字

分词。

 

3、 安装 IK 分词器

 

1) 下载 IK 分词器：（ Github 地址： https://github.com/medcl/elasticsearch-analysis-ik ）

 

网盘： https://pan.baidu.com/s/13K3fdj-05X8ewILWFoeZ9A

 

2) 下载 zip ：

 

 

3) 解压，并将解压的文件拷贝到 ES 安装目录的 plugins 下的 ik 目录下

 

 

4) 重启ES

5) 测试分词效果：

发送： post localhost:9200/_analyze

 

{"text":" 测试分词器，后边是测试内容： spring cloud 实战 ","analyzer":"ik_max_word" }

 

 

4、两种分词模式

    ik 分词器有两种分词模式： ik_max_word 和 ik_smart 模式。

 

        1 、 ik_max_word

             会将文本做最细粒度的拆分，比如会将 “ 中华人民共和国人民大会堂 ” 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、共和国、大会堂、大会、会堂等词语。

 

        2 、 ik_smart

             会做最粗粒度的拆分，比如会将“ 中华人民共和国人民大会堂 ” 拆分为中华人民共和国、人民大会堂。

测试两种分词模式：

 

        发送： post localhost:9200/_analyze

        {"text":" 中华人民共和国人民大会堂 ","analyzer":"ik_smart" }

5、自定义词库

    如果要让分词器支持一些专有词语，可以自定义词库。

    iK 分词器自带一个 main.dic 的文件，此文件为词库文件。

 

在上边的目录中新建一个 my.dic 文件（注意文件格式为 utf-8 （不要选择 utf-8 BOM ））

可以在其中自定义词汇：

比如定义：

配置文件中配置my.dic，E:\elasticsearch\elasticsearch-6.2.1\plugins\ik\config\IKAnalyzer.cfg.xml

 

 

 

重启 ES ，测试分词效果：

 

发送： post localhost:9200/_analyze

 

{"text":" 测试分词器，后边是测试内容： spring cloud 实战 ","analyzer":"ik_max_word" }