ElasticSearch 中文分词 ik

一、前言

把一段文字的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作。
默认的中文分词是将每个字看成一个词，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。

Elasticsearch之所以模糊查询这么快，是因为采用了倒排索引，而倒排索引的核心就是分词，把text格式的字段按照分词器进行分词并编排索引。为了发挥自己的优势，Elasticsearch已经提供了多种功能强大的内置分词器，它们的作用都是怎样的呢？

二、内置分词器解析

分词器	作用
Standard	ES默认分词器，按单词分类并进行小写处理
Simple	按照非字母切分，然后去除非字母并进行小写处理
Stop	按照停用词过滤并进行小写处理，停用词包括the、a、is
Whitespace	按照空格切分
Language	据说提供了30多种常见语言的分词器
Patter	按照正则表达式进行分词，默认是\W+ ,代表非字母
Keyword	不进行分词，作为一个整体输出

    这些内置分词器擅长处理单词和字母，所以如果咱们要处理的是英文数据的话，它们的功能可以说已经很全面了！那处理中文效果怎么样呢？下面咱们举例验证一下。

参考：ElasticSearch中文分词，看这一篇就够了_静待花开-CSDN博客_elasticsearch 中文分词

三、安装 ik 分词器

注：ik 分词器下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

1. 解压

unzip elasticsearch-analysis-ik-7.3.2.zip

移动到 es 的 plugins/ik 目录后解压

2. 重启 es

3. plugins/ik/config 下的 main.dic 文件包含所有可分词的中文 27 万多

四、ik 分词器默认两种分词器:ik_smart:最少切分 和 ik_max_word：最细粒度切分(穷尽所有可能)

 设置自己的分词器