php elasticsearch ik,Elasticsearch集成IK中文分词器

一、安装ik分词器

因为我安装的 Elasticsearch 是5.6.9版本，所以对应安装 elasticsearch-analysis-ik-5.6.9 版本

$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.6.9/elasticsearch-analysis-ik-5.6.9.zip

或者自己下载解压安装到your-es-root/plugins/下，然后重启elasticsearch

$ cp /mnt/hgfs/elasticsearch-analysis-ik-5.6.9/elasticsearch/ /opt/elasticsearch-5.6.9/plugins/ -r

启动过程中会打印日志loaded plugin [analysis-ik]：

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [aggs-matrix-stats]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [ingest-common]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [lang-expression]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [lang-groovy]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [lang-mustache]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [lang-painless]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [parent-join]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [percolator]

[2018-06-15T09:30:34,671][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [reindex]

[2018-06-15T09:30:34,672][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [transport-netty3]

[2018-06-15T09:30:34,672][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded module [transport-netty4]

[2018-06-15T09:30:34,672][INFO ][o.e.p.PluginsService ] [_JHOtaZ] loaded plugin [analysis-ik] # 出现这行，则说明加载ik分词器插件成功

[2018-06-15T09:30:37,398][INFO ][o.e.d.DiscoveryModule ] [_JHOtaZ] using discovery type [zen]

[2018-06-15T09:30:38,365][INFO ][o.e.n.Node ] initialized

[2018-06-15T09:30:38,365][INFO ][o.e.n.Node ] [_JHOtaZ] starting ...

重启

$ jps #查看pid

$ kill pid

$ ./bin/elasticsearch -d # 后台运行

二、使用

elasticsearch内置分词器：

standard (标准分词器):无脑的一个一个词(汉字)切分，所以适用范围广，但是精准度低。

english (英文分词):对英文更加智能，可以识别单数负数，大小写，过滤stopwords(例如“the”这个词)等。

chinese (中文分词):效果很差。

1. 验证分词效果 _analyze

ik的两种分词方式

ik_max_word

会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；

ik_smart

会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

# 新建test索引

$ curl -XPUT 'http://127.0.0.1:9200/test'

# 验证 ik_max_word 的分词效果

$ curl 'http://127.0.0.1:9200/test/_analyze?analyzer=ik_max_word&pretty=true' -d '{"text":"中华人民共和国"}'

# 验证 ik_smart 的分词效果

$ curl 'http://127.0.0.1:9200/test/_analyze?analyzer=ik_smart&pretty=true' -d '{"text":"中华人民共和国"}'

2. 待更新...