关于后端:es笔记四之中文分词插件安装与使用

本文首发于公众号：Hunter后端
原文链接：es笔记四之中文分词插件装置与应用

后面咱们介绍的操作及演示都是基于英语单词的分词，但咱们大部分应用的必定都是中文，所以如果须要应用分词的操作必定也是须要应用中分分词。

这里咱们介绍一下如何装置中文分词插件。

在介绍装置之前，咱们能够先来测试一下没有中文分词的分词成果，咱们先来插入一条数据：

PUT /exam/_doc/16
{
    "name" : "张三丰",
    "address": "一个苹果"
}

如果是中文分词，咱们能够想到 ‘一个苹果’ 应该会被分为 ‘一个’ 和 ‘苹果’ 这两个词，然而默认的分词是无奈这样分词的，咱们能够尝试搜寻一下：

GET /exam/_search
{
  "query": {
    "term": {
      "address": "一个"
    }
  }
}

能够发现是无奈搜寻到后果的。

咱们能够查看一下这条数据的 address 字段被分词的后果：

GET /exam/_doc/16/_termvectors?fields=address

其中，_doc 前面的 16 是咱们要查问的数据的 id，fields 前面跟着的要查看的分词后果的字段名。

能够看到 一个苹果 这个字符串，被挨个分成了四个。

而后咱们来装置一下中文分词的插件。

装置中文分词插件

在 elasticsearch 装置的目录下，执行上面的语句：

./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.0/elasticsearch-analysis-ik-7.6.0.zip

这里咱们装置的是 7.6.0 版本的 es，所以装置对应的分词插件。

而后咱们从新建设这个 index，为 address 字段加上指定的分词插件：

挨个执行上面的命令：

DELETE /exam/

PUT /exam

PUT /exam/_mapping
{
  "properties": {
    "address": {
      "type": "text",
      "analyzer": "ik_max_word",
      "fields": {
        "keyword": {
          "type": "keyword",
          "ignore_above": 256
        }
      }
    },
    "name": {
      "type": "keyword"
    }
  }
}

这里，和第一次创立 mapping 的时候比，多了一行 analyzer 的定义。

而后咱们再次反复下面的插入和查问操作：

PUT /exam/_doc/16
{
    "name" : "张三丰",
    "address": "一个苹果"
}

GET /exam/_search
{
  "query": {
    "term": {
      "address": "一个"
    }
  }
}

能够看到，这次咱们搜寻 一个，就能够查问到数据了。

而后咱们看下这条数据的 address 的分词后果：

GET /exam/_doc/16/_termvectors?fields=address

能够看到，这次返回的后果除了独自的 ‘一’ 和 ‘个’ 之外，还有被分成整体的 ‘一个’ 和 ‘苹果’。

查看分词后果

这里额定介绍一下如何查看字符串的分词。

如果咱们有一个字符串，想要晓得它会被如何分词，能够间接应用上面的命令：

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "一个苹果"
}

其中，analyzer 是指定的分词的插件，如果不指定就会应用默认的分词性能。

中文分词插件的github 地址如下：https://github.com/medcl/elasticsearch-analysis-ik

如果想获取更多后端相干文章，可扫码关注浏览：