【Elasticsearch】IK分词器的下载及使用

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