ElasticSearch的中文分词器及自定义扩展词典

小鱼儿 2022-02-23 02:26 211阅读 0赞

因为ElasticSearch默认的中文分词器对中文分词不是很友好，会将中文词语拆分成一个个中文的汉字，因此引入中文分词器：es-ik插件。  
官方网站下载：https://github.com/medcl/elasticsearch-analysis-ik/releases  
注意：es-ik分词插件版本一定要和es安装的版本对应

### 安装步骤 ###

第一步 把下载的elasticsearch-analysis-ik-6.7.0.zip重命名为ik.zip并解压
    第二步 上传到/opt/application/es6.7.0/plugins下
    第三步 重启elasticsearch即可

### 自定义扩展词典 ###

第一步 在/opt/application/es6.7.0/plugins/ik/config下创建目录：mkdir custom
    第二步 在/opt/application/es6.7.0/plugins/ik/config/custom下创建文件：vi new_word.dic，并在该文件内输入新词：
                王者荣耀
                联通云
                硅谷亮城
    第三步 在/opt/application/es6.7.0/plugins/ik/config下执行 vi IKAnalyzer.cfg.xml
                <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
    <properties>
            <comment>IK Analyzer 扩展配置</comment>
            
            <entry key="ext_dict">custom/new_word.dic</entry>
             
            <entry key="ext_stopwords"></entry>
            
            
            
            
    </properties>

### 1 默认分词器 ###

POST http://192.168.86.128:9200/_analyze
    {
        "analyzer":"standard",
        "text":"苹果手机"
    }

{
      "tokens": [
        {
          "token": "苹",
          "start_offset": 0,
          "end_offset": 1,
          "type": "<IDEOGRAPHIC>",
          "position": 0
        },
        {
          "token": "果",
          "start_offset": 1,
          "end_offset": 2,
          "type": "<IDEOGRAPHIC>",
          "position": 1
        },
        {
          "token": "手",
          "start_offset": 2,
          "end_offset": 3,
          "type": "<IDEOGRAPHIC>",
          "position": 2
        },
        {
          "token": "机",
          "start_offset": 3,
          "end_offset": 4,
          "type": "<IDEOGRAPHIC>",
          "position": 3
        }
      ]
    }

### 2 ik分词器 ###

POST http://192.168.86.128:9200/_analyze
    {
        "analyzer":"ik_smart",
        "text":"苹果手机"
    }

{
      "tokens": [
        {
          "token": "苹果",
          "start_offset": 0,
          "end_offset": 2,
          "type": "CN_WORD",
          "position": 0
        },
        {
          "token": "手机",
          "start_offset": 2,
          "end_offset": 4,
          "type": "CN_WORD",
          "position": 1
        }
      ]
    }

#### 欢迎关注我的微信公众号，不定期更新文章和大家一起学习共勉- ####

![在这里插入图片描述][20191212161833713.png]

[20191212161833713.png]: /images/20220223/630cb81d01e9451a85dc19c9ef17f84a.png