ElasticSearch全文检索(2)--分词器

分词器

在ElaticSearch全文检索中，肯定不会把字段一整段的存储其中，否则数据量就会很大，失去了我们用ElaticSearch的意义
这个时候我们就需要其中的一个存放方法
Analyzer （分词器）的作用是把一段文本中的词按规则取出所包含的所有词。 对应的是Analyzer类，这是一个抽象类，切分词的具体规则是由子类实现的，所以对于不同的语言（规则），要用不同的分词器。
ElaticSearch默认的分词器对中文是单字分词，这个时候我们就需要中文分词器
由于自带分词器回将中文一个字一个字进行分词，故只介绍第三方分词器

第三方中文分析器

paoding： 庖丁解牛最新版在 https://code.google.com/p/paoding/ 中最多支持Lucene 3.0，且最新提交的代码在 2008-06-03，在svn中最新也是2010年提交，已经过时，不予考虑。

IK-analyzer：最新版在https://code.google.com/p/ik-analyzer/上，支持Lucene 4.10从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在2012版本中，IK实现了简单的分词 歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。 但是也就是2012年12月后没有在更新。

这边我们选择IK分词器，在文章后面会告诉为什么选择他.

安装IK分词器

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

1. 下载zip(压缩包)：
   

2. 解压压缩包，并重命名为ik， 复制到plugins目录下，重启es
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/216c08c0d2054f77853822ae14a31df4.png)
   

复制到虚拟机中
测试分词效果：

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

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、人民大会堂、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。

上面曾说到为什么同样是久远的分词器我们却选用IK分词器呢？这是因为IK分词器可以自定义词库来不断更新，方便我们的使用

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分词器自带的main.dic的文件为扩展词典，stopword.dic为停用词典。

也可以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，

我们已经安装了ik分词器，如何在索引和搜索时去使用ik分词器呢？这个时候我们就需要使用field去使用，那么如何在里面使用呢？使用时怎么指定类型呢？
不着急，我们接着往下走–>

field详细介绍

我们先来看下ES6.2的核心字段，看不懂没关系，留个印象就行

field的属性介绍

type：

通过type属性指定field的类型。

"name":{
   	
       "type":"text"
}

analyzer：

通过analyzer属性指定分词模式。

 "name":