ElasticSearch7.10的分词器

ElasticSearch7.10的分词器

​ 现在有很多公司都在使用ElasticSearch，其中用来查询分析只要是词条，他的分词器分为：

分词器	用途
Standard Analyzer	标准分词器，适用于英语等
Simple Analyzer	简单分词器，基于非字母字符进行分词，单词会被转为小写字母
Whitespace Analyzer	空格分词器，安装空格进行切分
Stop Analyzer	和简单分词器类似，但是增加了停用词的功能
Keyword Analyzer	关键词分词器，输入文本等于输出文本
Pattern Analyzer	利用正则表达式对文本进行切分，支持停用词
Language Analyzer	针对特定语言的分词器
Fingerprint Analyzer	指纹分析分词器，通过创建标记进行重复检测

1、中文分词器

在中国，应该式中文分词器用的比较多，elasticsearch-analysis-ik，这是一个es的第三方插件，在GitHub的地址是：

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

下载下来，在plugins下创建一个ik，放在里面，重启elasticsearch，看到加载了插件即可。

1.1 ElasticSearch和关系型数据库的比较

关系型数据库	ElasticSearch
数据库	索引
表	类型
行	文档
列	字段
表结构	映射(Mapping)
SQL	DSL(Domain Specific Language)
select * from t_xx	curl -XGET 'http://ip:port/'
update t_xx set xx = xxx	curl -XPUT 'http://ip:port'
delete t_xx	curl -XDELETE 'http://ip:port/'
索引	全文索引

1.2 IK Analysis for Elasticsearch

文中介绍了分词器的种类：ik_smart,ik_max_word。

1.2.1安装方式

• 下载编译
  下在预编译的包，https://github.com/medcl/elasticsearch-analysis-ik/releases，在es的plugins目录下
  创建ik目录，把它解压到ik下。

[~#root]cd your-es-root/plugins/ && mkdir ik

• 命令行安装
  使用elasticsearch-plugin命令去安装，进入目录

./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.10.0/elasticsearch-analysis-ik-7.10.0.zip

把v后面的版本号改成你选择的版本号。

1.2.2 测试用例

1.创建索引

• 1.1 由于ElasticSearch支持Http Restful API、Native Java API，所以创建索引，可以用postman直接访问。

192.168.246.130:9200/test

• 1.2 可以命令行创建

curl -XPUT http://192.168.246.130:9200/test

2.创建映射

• 2.1 postman使用post请求，在请求头中设置，Content-Type:application/json

192.168.246.130:9200/test/_mapping
# 参数
{
        "properties": {
            "content": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_smart"
            }
        }

} 	

• 2.2 命令行模式

curl -XPOST http://localhost:9200/index/_mapping -H 'Content-Type:application/json' -d'
{
        "properties": {
            "content": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_smart"
            }
        }

}'

3.索引一些文档

curl -XPOST http://localhost:9200/index/_create/1 -H 'Content-Type:application/json' -d'
{"content":"美国留给伊拉克的是个烂摊子吗"}
'

curl -XPOST http://localhost:9200/index/_create/2 -H 'Content-Type:application/json' -d'
{"content":"公安部：各地校车将享最高路权"}
'

curl -XPOST http://localhost:9200/index/_create/3 -H 'Content-Type:application/json' -d'
{"content":"中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"}
'

curl -XPOST http://localhost:9200/index/_create/4 -H 'Content-Type:application/json' -d'
{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}
'

4.高亮查询

• 4.1 命令行

curl -XPOST http://localhost:9200/index/_search  -H 'Content-Type:application/json' -d'
{
    "query" : { "match" : { "content" : "中国" }},
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    }
}
'

• 4.2 postman查询

192.168.246.130:9200/test/_search
# 参数，请求头参照命令行

1.2.3 扩展词配置

这些返回结果，对于ik_smart和ik_max_word来说，ik_max_word更细化。但对于中文，有些文字我们不想让它
分开，这时我们可以在配置目录下增加扩展词ext_dict。
两种方式：
在ik目录下的config目录下，IkAnalyzer.cfg.xml可以配置扩展词，及远程扩展字典。也可以直接在config下创建ext_dic。

• 直接创建

[~#root]cd your-es-root/plugins/ik/confg/
[~#root]vim ext_dict
九月的山沉

• 配置文件

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">ext_dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">custom/ext_stopword.dic</entry>
 	<!--用户可以在这里配置远程扩展字典 -->
	<entry key="remote_ext_dict">location</entry>
 	<!--用户可以在这里配置远程扩展停止词字典-->
	<entry key="remote_ext_stopwords">http://xxx.com/xxx.dic</entry>
</properties>

其中ext_dic，我写入：

九月的山沉

1.2.4 分词器使用

重新启动Elasticsearch

在postman上

192.168.246.130:9200/test/_analyze
# 参数
{
   "analyzer":"ik_smart",
   "text":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
}

查看返回结果，与扩展词做对比。
没有加入扩展词

加入扩展词