前述
为了能够更好地对中文进行搜索和查询，就需要在Elasticsearch中集成好的分词器插件， 而 IK 分词器就是用于对中文提供支持得插件。
集成IK分词器
下载
- IK分词器下载 (opens new window)
- 注意版本需要对应，目前
IK分词器还没有8.3.3版本，所以就先重新下一个8.2.3版本的ES
安装
- 将下载的IK压缩包直接解压到
elasticsearch-8.2.3的plugins目录下，重启ES
使用 IK 分词器
IK 分词器提供了两个分词算法：
▶️ ik_smart: 会做最粗粒度的拆分，适合 Phrase 查询
▶️ Ik_max_word:会将文本做最细粒度的拆分,会穷尽各种可能的组合,适合 Term Query
- 为索引指定默认IK分词器
这样我们在索引中就不用创建每一个字段，可以通过动态字段映射，将String类型的字段映射为text类型，同时分词器指定为ik_max_word
PUT ik_index
{
"settings": {
"analysis": {
"analyzer": {
"default": {
"type": "ik_max_word"
}
}
}
}
}
- 使用
GET 索引名/_analyze
{
"analyzer": "ik_smart",
"text": ["分词词语测试"]
}
自定义分词效果
- 我们在使用
IK分词器时会发现其实有时候分词的效果也并不是我们所期待的,有时一些特 殊得术语会被拆开，但实际上我们希望不要拆开。 IK插件给我们提供了自定义分词字典，我们可以添加自己想要保留得字了。
自定义分词
- 首先在
elasticsearch-analysis-ik-8.2.3的config目录下新建一个my_self.dic文件，输入自己希望不想被拆开的术语，比如分词词语 - 接下来我们修改配置文件：
config/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>
<!--用户可以在这里配置自己的扩展字典多个文件用';'分隔开 -->
<entry key="ext_dict">my_self.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
热更新 IK 分词使用方法
<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">location</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<entry key="remote_ext_stopwords">location</entry>
其中 location 是指一个 url，比如 http://yoursite.com/getCustomDict，该请求只需满足以下两点即可完成分词热更新。
- 1、该 http 请求需要返回两个头部(header)，一个是
Last-Modified，一个是ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。 - 2、该 http 请求返回的内容格式是一行一个分词，换行符用
\n即可。
满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。
可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。
常见问题
1.自定义词典为什么没有生效？
- 请确保扩展词典的文本格式为 UTF8 编码
2.分词测试失败，请在某个索引下调用analyze接口测试,而不是直接调用analyze接口 如:
curl -XGET "http://localhost:9200/your_index/_analyze" -H 'Content-Type: application/json' -d'
{
"text":"分词词语测试","tokenizer": "my_ik"
}'
JAVA-API
- 本实例在ElasticSearch-8.X的JAVA-API 基础上进行再扩展
/**
* @version 1.0.0
* @className: IndexTest
* @description: 创建索引并设置String列使用IK分词器
* @author: smartzeng
* @create: 2022/8/8 10:03
*/
@SpringBootTest
@Slf4j
public class IndexTest
{
@Autowired
private ElasticsearchClient elasticsearchClient;
/**
* 创建索引并设置字段使用IK分词器
*
* @throws IOException ioexception
*/
@Test
void createIndexAndIk() throws IOException {
Map<String, Property> documentMap = new HashMap<>();
documentMap.put("userName",Property.of(p -> p
.text(TextProperty.of(textProperty ->
textProperty.index(true).analyzer("ik_max_word")))));
documentMap.put("age", Property.of(property ->
property.integer(IntegerNumberProperty.of(integerNumberProperty
-> integerNumberProperty.index(true))
)
)
);
CreateIndexResponse response = elasticsearchClient.indices().create(createIndexBuilder ->
createIndexBuilder.index("user").mappings(mappings ->
mappings.properties(documentMap))
.aliases("User",aliases ->
aliases.isWriteIndex(true))
);
//响应状态
boolean acknowledged = response.acknowledged();
boolean shardsAcknowledged = response.shardsAcknowledged();
String index = response.index();
log.info("创建索引状态:{}",acknowledged);
log.info("已确认的分片:{}",shardsAcknowledged);
log.info("索引名称:{}",index);
}
}
评论（0）
登录 后参与评论。