Elasticsearch安装使用ik中文分词

原创
2017/02/16 13:54
阅读数 40

序言

Elasticsearch默认提供的分词器,会把每个汉字分开,而不是我们想要的根据关键词来分词。例如:

curl -XPOST  "http://localhost:9200/test/_analyze?analyzer=standard&pretty=true&text=我是中国人" 

我们会得到这样的结果:

{ tokens: [ { token: text start_offset: 2 end_offset: 6 type: <ALPHANUM> position: 1 },
        { token: 我 start_offset: 9 end_offset: 10 type: <IDEOGRAPHIC> position: 2 },
        { token: 是 start_offset: 10 end_offset: 11 type: <IDEOGRAPHIC> position: 3 },
        { token: 中 start_offset: 11 end_offset: 12 type: <IDEOGRAPHIC> position: 4 },
        { token: 国 start_offset: 12 end_offset: 13 type: <IDEOGRAPHIC> position: 5 },
        { token: 人 start_offset: 13 end_offset: 14 type: <IDEOGRAPHIC> position: 6 }  
    ]  
}  

正常情况下,这不是我们想要的结果,比如我们更希望 “中国人”,“中国”,“我”这样的分词,这样我们就需要安装中文分词插件,ik就是实现这个功能的。

安装

elasticsearch-analysis-ik 是一款中文的分词插件,支持自定义词库。
安装步骤:

  1. 到github网站下载源代码,网站地址为:https://github.com/medcl/elasticsearch-analysis-ik
    master为最新版本,tag可以选择已经release的版本。
    右侧下方有一个按钮“Download ZIP”,点击下载源代码elasticsearch-analysis-ik-master.zip。
  2. 解压文件elasticsearch-analysis-ik-master.zip,进入下载目录,执行命令:
    unzip elasticsearch-analysis-ik-master.zip
  3. 将解压目录文件中config/ik文件夹复制到ES安装目录config文件夹下。
  4. 因为是源代码,此处需要使用maven打包,进入解压文件夹中,执行命令:
    mvn clean package
  5. 将打包得到的jar文件elasticsearch-analysis-ik-1.2.8-sources.jar复制到ES安装目录的lib目录下。
  6. 在ES的配置文件config/elasticsearch.yml中增加ik的配置,在最后增加:
index:  
  analysis:  
    analyzer:  
      ik:  
          alias: [ik_analyzer] 
          type: org.elasticsearch.index.analysis.IkAnalyzerProvider 
      ik_max_word:  
          type: ik 
          use_smart: false 
      ik_smart:  
          type: ik 
          use_smart: true 

index.analysis.analyzer.ik.type : "ik"
7. 重新启动elasticsearch服务,这样就完成配置了,收入命令:
curl -XPOST "http://localhost:9200/test/_analyze?analyzer=ik&pretty=true&text=我是中国人"
测试结果如下:

{ tokens: [ { token: text start_offset: 2 end_offset: 6 type: ENGLISH position: 1 },
        { token: 我 start_offset: 9 end_offset: 10 type: CN_CHAR position: 2 },
        { token: 中国人 start_offset: 11 end_offset: 14 type: CN_WORD position: 3 },
        { token: 中国 start_offset: 11 end_offset: 13 type: CN_WORD position: 4 },
        { token: 国人 start_offset: 12 end_offset: 14 type: CN_WORD position: 5 }  
    ]  
}  

说明:

  1. ES安装插件本来使用使用命令plugin来完成,但是我本机安装ik时一直不成功,所以就使用源代码打包安装了。
  2. 自定义词库的方式,请参考 https://github.com/medcl/elasticsearch-analysis-ik

note:

target是jar的输出目录,release目录是ik的jar包和依赖包的输出目录,如果没有引入ik的依赖包会导致出现:
nested: NoClassDefFoundError[org/apache/http/client/ClientProtocolException]
错误

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部