白话Elasticsearch28-IK中文分词之IK中文分词器的安装和使用

---

概述

继续跟中华石杉老师学习ES，第28篇

课程地址： https://www.roncoo.com/view/55

之前大家会发现，我们全部是用英文在学习，其实我们更习惯用中文做搜索。

英文默认的standard分词器没有办法对中文进行合理分词的，只是将每个中文字符一个一个的切割开来，比如说中国人 --> 中 国 人

在搜索引擎领域，比较成熟和流行的，就是ik分词器

举个简单的例子： 中国人很喜欢吃油条,不全，但是意思已经表达的很清楚了。

standard：中  国  人  很  喜  欢  吃  油  条
ik：中国人   很   喜欢    吃    油条

---

Github

https://github.com/medcl/elasticsearch-analysis-ik

IK安装

根据github上的指导

第一种安装方法：

• 访问 https://github.com/medcl/elasticsearch-analysis-ik/releases ，找到对应版本的ik插件安装包

• 在es安装目录 plugins 下 新建目录 ik
  

• 将 zip包解压到 ik目录下 ,我这里用的是6.4.1 ，所以我下载对应的版本的ik

• 重启es ，观察启动日志 loaded plugin [analysis-ik]
  

---

ik分词器基础知识

ik有两种analyzer，可根据自己的需要自己选择，但是一般是选用ik_max_word

---

ik_max_word

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

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”。 比如这个时候搜索“共和国” --> 中华人民共和国和国歌，搜到吗？？？？ 显然不能搜索的到。 根据场景合理选择。

---

验证ik分词器

新建个索引

PUT /artisan 
{
  "mappings": {
    "my_type": {
      "properties": {
        "text": {
          "type": "text",
          "analyzer": "ik_max_word"
        }
      }
    }
  }
}

查看分词

GET /artisan/_analyze
{
  "text": "小工匠跟中华石杉老师学习分布式搜索引擎elasticsearch",
  "analyzer": "ik_max_word"
}

返回

{
  "tokens": [
    {
      "token": "小工",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "工匠",
      "start_offset": 1,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "跟",
      "start_offset": 3,
      "end_offset": 4,
      "type": "CN_CHAR",
      "position": 2
    },
    {
      "token": "中华",
      "start_offset": 4,
      "end_offset": 6,
      "type": "CN_WORD",
      "position": 3
    },
    {
      "token": "石",
      "start_offset": 6,
      "end_offset": 7,
      "type": "CN_CHAR",
      "position": 4
    },
    {
      "token": "杉",
      "start_offset": 7,
      "end_offset": 8,
      "type": "CN_CHAR",
      "position": 5
    },
    {
      "token": "老师",
      "start_offset": 8,
      "end_offset": 10,
      "type": "CN_WORD",
      "position": 6
    },
    {
      "token": "学习",
      "start_offset": 10,
      "end_offset": 12,
      "type": "CN_WORD",
      "position": 7
    },
    {
      "token": "分布式",
      "start_offset": 12,
      "end_offset": 15,
      "type": "CN_WORD",
      "position": 8
    },
    {
      "token": "分布",
      "start_offset": 12,
      "end_offset": 14,
      "type": "CN_WORD",
      "position": 9
    },
    {
      "token": "式",
      "start_offset": 14,
      "end_offset": 15,
      "type": "CN_CHAR",
      "position": 10
    },
    {
      "token": "搜索引擎",
      "start_offset": 15,
      "end_offset": 19,
      "type": "CN_WORD",
      "position": 11
    },
    {
      "token": "搜索",
      "start_offset": 15,
      "end_offset": 17,
      "type": "CN_WORD",
      "position": 12
    },
    {
      "token": "索引",
      "start_offset": 16,
      "end_offset": 18,
      "type": "CN_WORD",
      "position": 13
    },
    {
      "token": "引擎",
      "start_offset": 17,
      "end_offset": 19,
      "type": "CN_WORD",
      "position": 14
    },
    {
      "token": "elasticsearch",
      "start_offset": 19,
      "end_offset": 32,
      "type": "ENGLISH",
      "position": 15
    }
  ]
}

说明ik分词器 安装成功 。

---

示例

造点数据

POST /artisan/my_type/_bulk
{ "index": { "_id": "1"} }
{ "text": "男子偷上万元发红包求交女友 被抓获时仍然单身" }
{ "index": { "_id": "2"} }
{ "text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝" }
{ "index": { "_id": "3"} }
{ "text": "深圳女孩骑车逆行撞奔驰 遭索赔被吓哭(图)" }
{ "index": { "_id": "4"} }
{ "text": "女人对护肤品比对男票好？网友神怼" }
{ "index": { "_id": "5"} }
{ "text": "为什么国内的街道招牌用的都是红黄配？" }

查询

GET /artisan/my_type/_search 
{
  "query": {
    "match": {
      "text": "16岁少女结婚好还是单身好？"
    }
  }
}

返回

{
  "took": 50,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 2.8514345,
    "hits": [
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "2",
        "_score": 2.8514345,
        "_source": {
          "text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝"
        }
      },
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "4",
        "_score": 1.4914938,
        "_source": {
          "text": "女人对护肤品比对男票好？网友神怼"
        }
      },
      {
        "_index": "artisan",
        "_type": "my_type",
        "_id": "1",
        "_score": 0.2876821,
        "_source": {
          "text": "男子偷上万元发红包求交女友 被抓获时仍然单身"
        }
      }
    ]
  }
}