安装IK分词器
网址:https://github.com/infinilabs/analysis-ik
3.1.在线安装ik插件(较慢,不推荐)
# 进入容器内部 es为容器名称 docker exec -it es /bin/bash # 在线下载并安装 7.17.21为镜像版本要与之前保持一致 ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.17.21/elasticsearch-analysis-ik-7.17.21.zip #退出 exit #重启容器 docker restart es
3.2.离线安装ik插件(推荐)
1)下载ik,解压缩分词器安装包
ik下载地址:https://release.infinilabs.com/
将解压后的ik包拖入虚拟机中
2)查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置,而我们用了数据卷挂载,因此需要查看elasticsearch的数据卷目录,通过下面命令查看:
sudo docker volume inspect es-plugins
显示结果:
说明plugins目录被挂载到了:/var/lib/docker/volumes/es-plugins/_data
这个目录中。
3)将ik包拖到到es容器的插件数据卷中
也就是/var/lib/docker/volumes/es-plugins/_data
:
4)重启容器
# 4、重启容器 docker restart es
# 查看es日志 docker logs -f es
5)测试:
IK分词器包含两种模式:
ik_smart
:最少切分ik_max_word
:最细切分
POST /_analyze { "text":"合理小姐是凑巧先生独一无二的女主角", "analyzer": "ik_smart" }
结果:
{ "tokens" : [ { "token" : "合理", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 0 }, { "token" : "小姐", "start_offset" : 2, "end_offset" : 4, "type" : "CN_WORD", "position" : 1 }, { "token" : "是", "start_offset" : 4, "end_offset" : 5, "type" : "CN_CHAR", "position" : 2 }, { "token" : "凑巧", "start_offset" : 5, "end_offset" : 7, "type" : "CN_WORD", "position" : 3 }, { "token" : "先生", "start_offset" : 7, "end_offset" : 9, "type" : "CN_WORD", "position" : 4 }, { "token" : "独一无二", "start_offset" : 9, "end_offset" : 13, "type" : "CN_WORD", "position" : 5 }, { "token" : "的", "start_offset" : 13, "end_offset" : 14, "type" : "CN_CHAR", "position" : 6 }, { "token" : "女主角", "start_offset" : 14, "end_offset" : 17, "type" : "CN_WORD", "position" : 7 } ] }
3.3 扩展词词典
随着互联网的发展,“造词运动”也越发的频繁。出现了很多新的词语,在原有的词汇列表中并不存在。比如:“奥力给”,“传智播客” 等。
所以我们的词汇也需要不断的更新,IK分词器提供了扩展词汇的功能。
要拓展ik分词器的词库,只需要修改一个iK分词器目录中的confia目录中的lkAnalvzer.cfa.xml文件:
1)打开IK分词器config目录:
2)在IKAnalyzer.cfg.xml配置文件内容添加:
<?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 *** 添加扩展词典--> <entry key="ext_dict">ext.dic</entry> </properties>
3)新建一个 ext.dic,可以参考config目录下复制一个配置文件进行修改
山不在高 有杨则名 水不在深 有龙则灵
4)重启elasticsearch
docker restart es # 查看 日志 docker logs -f elasticsearch
日志中已经成功加载ext.dic配置文件
注意当前文件的编码必须是 UTF-8 格式,严禁使用Windows记事本编辑
3.4 停用词词典
在互联网项目中,在网络间传输的速度很快,所以很多语言是不允许在网络上传递的,如:关于宗教、政治等敏感词语,那么我们在搜索时也应该忽略当前词汇。
IK分词器也提供了强大的停用词功能,让我们在索引时就直接忽略当前的停用词汇表中的内容。
1)IKAnalyzer.cfg.xml配置文件内容添加:
<?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 *** 添加停用词词典--> <entry key="ext_stopwords">stopword.dic</entry> </properties>
3)在 stopword.dic 添加停用词
小黄花,向杨而生
4)重启elasticsearch
# 重启服务 docker restart elasticsearch docker restart kibana # 查看 日志 docker logs -f elasticsearch
日志中已经成功加载stopword.dic配置文件
注意当前文件的编码必须是 UTF-8 格式,严禁使用Windows记事本编辑