6 中文分词器
6.1 中文分词器 IK分词器
6.1.2 中文分词器
standard 分词器，仅适用于英文。
GET /_analyze
{
"analyzer": "standard",
"text": "中华人民共和国人民大会堂"
}
我们想要的效果是什么：中华人民共和国，人民大会堂
IK分词器就是目前最流行的es中文分词器
6.1.2 安装
1）官网：https://github.com/medcl/elasticsearch-analysis-ik
2）下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
3）根据es版本下载相应版本包。
4）解压到 es/plugins/ik中。
5）重启es
6.1.3 ik分词器基础知识
ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国，中华人民，中华，华人，人民共和国，人民大会堂，人民大会，大会堂”，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“中华人民共和国人民大会堂”拆分为“中华人民共和国，人民大会堂”。
6.1.4 ik分词器的使用
存储时，使用ik_max_word，搜索时，使用ik_smart
PUT /my_index
{
"mappings": {
"properties": {
"text": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
}
}
}
}
搜索
GET /my_index/_search?q=中华人民共和国人民大会堂
6.2 ik配置文件
6.2.1 ik配置文件
ik配置文件地址：es/plugins/ik/config目录
-
IKAnalyzer.cfg.xml：用来配置自定义词库
-
main.dic：ik原生内置的中文词库，总共有27万多条，只要是这些单词，都会被分在一起
-
preposition.dic: 介词
-
quantifier.dic：放了一些单位相关的词，量词
-
suffix.dic：放了一些后缀
-
surname.dic：中国的姓氏
-
stopword.dic：英文停用词
ik原生最重要的两个配置文件
-
main.dic：包含了原生的中文词语，会按照这个里面的词语去分词
-
stopword.dic：包含了英文的停用词
6.2.2 自定义词库
（1）自己建立词库：每年都会涌现一些特殊的流行词，网红，蓝瘦香菇，喊麦，鬼畜，一般不会在ik的原生词典里
自己补充自己的最新的词语，到ik的词库里面
IKAnalyzer.cfg.xml：ext_dict，创建mydict.dic。
补充自己的词语，然后需要重启es，才能生效
（2）自己建立停用词库：比如了，的，啥，么，我们可能并不想去建立索引，让人家搜索
custom/ext_stopword.dic，已经有了常用的中文停用词，可以补充自己的停用词，然后重启es
6.3 使用mysql热更新 词库
6.3.1 热更新
每次都是在es的扩展词典中，手动添加新词语，很坑
（1）每次添加完，都要重启es才能生效，非常麻烦
（2）es是分布式的，可能有数百个节点，你不能每次都一个一个节点上面去修改
es不停机，直接我们在外部某个地方添加新的词语，es中立即热加载到这些新词语
6.3.2 热更新的方案
（1）基于ik分词器原生支持的热更新方案，部署一个web服务器，提供一个http接口，通过modified和tag两个http响应头，来提供词语的热更新
（2）修改ik分词器源码，然后手动支持从mysql中每隔一定时间，自动加载新的词库
注意：用第二种方案，第一种，ik git社区官方都不建议采用，觉得不太稳定
6.3.3 步骤
1、下载源码
https://github.com/medcl/elasticsearch-analysis-ik/releases
ik分词器，是个标准的java maven工程，直接导入eclipse就可以看到源码
2、修改源
-
org.wltea.analyzer.dic.Dictionary类，160行Dictionary单例类的初始化方法，在这里需要创建一个我们自定义的线程，并且启动它
-
org.wltea.analyzer.dic.HotDictReloadThread类：就是死循环，不断调用Dictionary.getSingleton().reLoadMainDict()，去重新加载词典
-
Dictionary类，399行：this.loadMySQLExtDict(); 加载mymsql字典。
-
Dictionary类，609行：this.loadMySQLStopwordDict();加载mysql停用词
-
config下jdbc-reload.properties。mysql配置文件
3、mvn package打包代码
target\releases\elasticsearch-analysis-ik-7.3.0.zip
4、解压缩ik压缩包
将mysql驱动jar，放入ik的目录下
5、修改jdbc相关配置
6、重启es
观察日志，日志中就会显示我们打印的那些东西，比如加载了什么配置，加载了什么词语，什么停用词
7、在mysql中添加词库与停用词
8、分词实验，验证热更新生效
GET /_analyze
{
"analyzer": "ik_smart",
"text": "孤独的小人物"
}
