安装 elasticsearch-analysis-ik 中文分词器

avatar 2019年02月05日20:16:31 5 3393 views
博主分享免费Java教学视频，B站账号：Java刘哥 ，长期提供技术问题解决、项目定制：本站商品点此
ElasticSearch 默认的分词器对英文处理比较好，对中文的话，会将中文分成一个个字。

比如根据文章标题搜索，输入关键字"新中国万岁"，会将这五字一个个展开，然后搜索标题中包含这几个字的，这会导致索引引擎的效果不明显。因为我们往往更希望，搜到“新中国”的排在前面，“万岁”的排在前面。而不是“新”排在前面。


一、分词器对比


我们通过 PostMan 发送请求

1.默认的分词器

POST http://127.0.0.1:9200/_analyze?pretty=true
  1. {
  2.     "text":"新中国万岁"
  3. }

采用默认的分析器 standard

结果如下
  1. {
  2.     "tokens": [
  3.         {
  4.             "token": "新",
  5.             "start_offset": 0,
  6.             "end_offset": 1,
  7.             "type": "<IDEOGRAPHIC>",
  8.             "position": 0
  9.         },
  10.         {
  11.             "token": "中",
  12.             "start_offset": 1,
  13.             "end_offset": 2,
  14.             "type": "<IDEOGRAPHIC>",
  15.             "position": 1
  16.         },
  17.         {
  18.             "token": "国",
  19.             "start_offset": 2,
  20.             "end_offset": 3,
  21.             "type": "<IDEOGRAPHIC>",
  22.             "position": 2
  23.         },
  24.         {
  25.             "token": "万",
  26.             "start_offset": 3,
  27.             "end_offset": 4,
  28.             "type": "<IDEOGRAPHIC>",
  29.             "position": 3
  30.         },
  31.         {
  32.             "token": "岁",
  33.             "start_offset": 4,
  34.             "end_offset": 5,
  35.             "type": "<IDEOGRAPHIC>",
  36.             "position": 4
  37.         }
  38.     ]
  39. }



2.中文分词器

POST http://127.0.0.1:9200/_analyze?pretty=true
  1. {
  2.     "analyzer": "ik_max_word",
  3.     "text":"新中国万岁"
  4. }

采用中文分词器

结果如下
  1. {
  2.     "tokens": [
  3.         {
  4.             "token": "新中国",
  5.             "start_offset": 0,
  6.             "end_offset": 3,
  7.             "type": "CN_WORD",
  8.             "position": 0
  9.         },
  10.         {
  11.             "token": "中国",
  12.             "start_offset": 1,
  13.             "end_offset": 3,
  14.             "type": "CN_WORD",
  15.             "position": 1
  16.         },
  17.         {
  18.             "token": "万岁",
  19.             "start_offset": 3,
  20.             "end_offset": 5,
  21.             "type": "CN_WORD",
  22.             "position": 2
  23.         },
  24.         {
  25.             "token": "万",
  26.             "start_offset": 3,
  27.             "end_offset": 4,
  28.             "type": "TYPE_CNUM",
  29.             "position": 3
  30.         },
  31.         {
  32.             "token": "岁",
  33.             "start_offset": 4,
  34.             "end_offset": 5,
  35.             "type": "COUNT",
  36.             "position": 4
  37.         }
  38.     ]
  39. }

可见效果提高了不少。


二、安装中文分词器


我们的 ES 是6.5.0 版本的，对应下载分词器必须也是 6.5.0 版本

1.下载源码包

GitHub 地址：https://github.com/medcl/elasticsearch-analysis-ik

直接下载到本地



2.进入该目录

mvn clean package

打包完毕

在 target/releases 下有一个 elasticsearch-analysis-ik-6.5.0.zip 文件，将其复制，拷贝到 ES 目录下的 plugins 中



3.解压 elasticsearch-analysis-ik-6.5.0.zip，将其重命名为 ik

如图






三、重启 ES，创建索引


重启 ElasticSearch

在终端输入 jps 可以查看 java 项目的pid，杀死 elasticsearch 的进程

启动 elasticsearch：

bin/elasticsearch -d



创建带中文分词器的索引

PUT 127.0.0.1:9200/blog
  1. {
  2.     "settings": {
  3.          "analysis" : {
  4.             "analyzer" : {
  5.                 "ik" : {
  6.                     "tokenizer" : "ik_max_word"
  7.                 }
  8.             }
  9.         },
  10.         "number_of_shards": 5,
  11.         "number_of_replicas": 1
  12.     },
  13.     "mappings": {
  14.         "post": {
  15.             "properties": {
  16.                 "postId": {
  17.                     "type": "long"
  18.                 },
  19.                 "userId": {
  20.                     "type": "long"
  21.                 },
  22.                 "postTitle": {
  23.                     "type": "text",
  24.                     "analyzer": "ik_max_word"
  25.                 },
  26.                 "postSummary": {
  27.                     "type": "text",
  28.                     "analyzer": "ik_max_word"
  29.                 },
  30.                 "postThumbnail": {
  31.                     "type": "keyword"
  32.                 },
  33.                 "postType": {
  34.                     "type": "keyword"
  35.                 },
  36.                 "postStatus": {
  37.                     "type": "integer"
  38.                 },
  39.                 "postViews": {
  40.                     "type": "long"
  41.                 },
  42.                 "postLikes": {
  43.                     "type": "long"
  44.                 },
  45.                 "commentSize": {
  46.                     "type": "long"
  47.                 },
  48.                 "postDate": {
  49.                     "type": "date"
  50.                 }
  51.             }
  52.         }
  53.     }
  54. }







历史上的今天
二月
05日
  • 微信
  • 交流学习，资料分享
  • weinxin
  • 个人淘宝
  • 店铺名：言曌博客咨询部

  • (部分商品未及时上架淘宝)
avatar

发表评论

avatar 登录者：匿名
匿名评论，评论回复后会有邮件通知

  

已通过评论：0   待审核评论数：0