快速学习-IK分词器

4 IK分词器

4.1 测试分词器

在添加文档时会进行分词，索引中存放的就是一个一个的词（term），当你去搜索时就是拿关键字去匹配词，最终找到词关联的文档。

测试当前索引库使用的分词器：

post 发送：localhost:9200/_analyze

{
	"text": "测试分词器，后边是测试内容：spring cloud实战"
}

结果如下：

会发现分词的效果将 “测试” 这个词拆分成两个单字“测”和“试”，这是因为当前索引库使用的分词器对中文就是单字 分词。

4.2 安装IK分词器

使用IK分词器可以实现对中文分词的效果。

下载IK分词器：（Github地址：https://github.com/medcl/elasticsearch-analysis-ik）

下载zip：

解压，并将解压的文件拷贝到ES安装目录的plugins下的ik目录下

测试分词效果： 发送：post localhost:9200/_analyze

{
	"text": "测试分词器，后边是测试内容：spring cloud实战",
	"analyzer": "ik_max_word"
}

4.3 两种分词模式

ik分词器有两种分词模式：ik_max_word和ik_smart模式。

1、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、共和国、大会堂、大会、会堂等词语。

2、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。 测试两种分词模式：

发送：post localhost:9200/_analyze

{
	"text": "中华人民共和国人民大会堂",
	"analyzer": "ik_smart"
}

4.4 自定义词库

如果要让分词器支持一些专有词语，可以自定义词库。 iK分词器自带一个main.dic的文件，此文件为词库文件。

在上边的目录中新建一个my.dic文件（注意文件格式为utf-8（不要选择utf-8 BOM）） 可以在其中自定义词汇： 比如定义： 配置文件中配置my.dic，

重启ES，测试分词效果： 发送：post localhost:9200/_analyze

{
	"text": "测试分词器，后边是测试内容：spring cloud实战",
	"analyzer": "ik_max_word"
}