【ElasticSearch】 中文分词器-IK分词器（六）

分词介绍

什么是分词

　　分词就是指将一个文本转化成一系列单词的过程，也叫文本分析，在Elasticsearch中称之为Analysis。

　　举例:我是中国人 --> 我/是/中国人

分词api

　　指定分词器进行分词

　　示例：

POST /_analyse
 
{
    "analyzer": "standard",
    "text": "hello world"
}

　　效果如下：

 　　

　　在结果中不仅可以看出分词的结果，还返回了该词在文本中的位置。

　　指定索引分词

　　示例

POST /person/_analyse

{
    "analyzer": "standard",
    "field": "hobby",
    "text": "听音乐"
}

　　效果如下：

　　

中文分词

　　中文分词的难点在于，在汉语中没有明显的词汇分界点，如在英语中，空格可以作为分隔符，如果分隔不正确就会造成歧义。

　　如:

• 我/爱/炒肉丝
• 我/爱/炒/肉丝

　　常用中文分词器，IK、jieba、THULAC等，推荐使用IK分词器。

　　IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了3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。新版本的IK Analyzer 3.0则发展为面向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。

　　采用了特有的“正向迭代最细粒度切分算法“，具有80万字/秒的高速处理能力 采用了多子处理器分析模式，支 持:英文字母(IP地址、Email、URL)、数字(日期，常用中文数量词，罗马数字，科学计数法)，中文词汇 (姓名、地名处理)等分词处理。 优化的词典存储，更小的内存占用。

　　IK分词器 Elasticsearch插件地址：https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器

　　1、从官网下载IK分词器，注意版本问题，与ES保持一致即可（本例ES版本7.6.1，IK版本7.6.1）

　　2、在es目录中的plugins目录，新建目录ik

　　　　命令：mkdir plugins/ik

　　3、介绍ik分词器下载包，到plugins/ik目录

　　　　命令：unzip -d /data/soft/elasticsearch-7.6.1/plugins/ik elasticsearch-analysis-ik-7.6.1.zip

　　4、重新es

　　　　查看java进程：jps

　　　　关闭es：kill (pid)

　　　　后台启动es：./bin/elasticsearch -d

测试IK分词器

　　示例：

POST /_analyze

{
    "analyzer": "ik_max_word",
    "text": "我是中国人"
}

　　效果如下：

　　

　　可以看到，已经对中文进行了分词。