es自建搜索词库_elasticsearch实现中文分词+远程自定义词库(nginx)

中文分词

elasticsearch本身自带的中文分词，就是单纯把中文一个字一个字的分开，根本没有词汇的概念。但是实际应用中，用户都是以词汇为条件，进行查询匹配的，如果能够把文章以词汇为单位切分开，那么与用户的查询条件能够更贴切的匹配上，查询速度也更加快速。

分词器下载网址：https://github.com/medcl/elasticsearch-analysis-ik

安装

下载好的zip包，请解压后放到 /usr/share/elasticsearch/plugins/ik(可以不叫ik但是必须再此目录下，且不能出现其他的文件)

然后重启es

基于中文分词搭建索引

PS：添加了中文分词的词库之后，以后的type就不能使用默认的mapping了，默认的中文分词是一字一词的

注意下面的name用的是中文分词

PUT movie_chn

{

"mappings": {

"movie_type_chn":{

"properties": {

"id":{

"type": "long"

},

"name":{

"type": "text"

, "analyzer": "ik_smart"

},

"doubanScore":{

"type": "double"

},

"actorList":{

"properties": {

"id":{

"type":"long"

},

"name":{

"type":"keyword"

}

}

}

}

}

}

}

为什么要用远程词库？

过滤一些不能够出现的词语，以及一些流行词语。

实现方式：同将远程词库放在Nginx中当静态资源使用，这样添加的词语不用重启两个服务都就可以直接使用，

需要的配置：

修改/usr/share/elasticsearch/plugins/ik/config/中的IKAnalyzer.cfg.xml

IK Analyzer 扩展配置

http://192.168.67.163/fenci/myword.txt

修改

/usr/local/nginx/conf

中的nginx.conf

按照路径利用nginx发布静态资源

在nginx.conf中配置

server {

listen 80;

server_name 192.168.232.128;

location /fenci/ {

root es;

}

}

并且在/usr/local/nginx/下建/es/fenci/目录，目录下加myword.txt

myword.txt中编写关键词，每一行代表一个词。

访问成功

自定义分词成功