在上一節中，我們給大家介紹了ES的分析器，我相信大家對ES的全文搜尋已經有了深刻的印象。分析器包含3個部分：字元過濾器、分詞器、分詞過濾器。在上一節的例子，大家發現了，都是英文的例子，是吧？因為ES是外國人寫的嘛，中國如果要在這方面趕上來，還是需要螢幕前的小夥伴們的~
英文呢，我們可以按照空格將一句話、一篇文章進行分詞，然後對分詞進行過濾，最後留下有意義的詞。但是中文怎麼分呢？中文的一句話是沒有空格的，這就要有一個強大的中文詞庫，當你的內容中出現這個詞時，就會將這個詞提煉出來。這裡大家也不用重複造輪子，經過前輩的努力，這個中文的分詞器已經有了，它就是今天要給大家介紹的IK中文分詞器。
IK中文分詞器的安裝
ES預設是沒有IK中文分詞器的，我們要將IK中文分詞器作為一個外掛安裝到ES中，安裝的步驟也很簡單：
-
從GitHub上下載適合自己ES版本的IK中文分詞器，地址如下：
https://github.com/medcl/elasticsearch-analysis-ik/releases。 -
在我們的ES的外掛目錄中（
${ES_HOME}/plugins）建立ik目錄，mkdir ik -
將我們下載好的IK分詞器解壓到
ik目錄，這裡我們安裝unzip命令，進行解壓。 -
重啟我們所有的ES服務。
到這裡，我們的IK中文分詞器就安裝完了。
IK中文分詞器初探
在上一節我們訪問了ES的分析器介面，指定了分析器和文字的內容，我們就可以看到分詞的結果。那麼既然我們已經安裝了Ik中文分詞器，當然要看一下效果了。在看效果之前，我們先要說一下，IK中文分詞器外掛給我們提供了兩個分析器。
- ik_max_word: 會將文字做最細粒度的拆分
- ik_smart：會做最粗粒度的拆分
我們先看看ik_max_word的分析效果吧，
POST _analyze
{
"analyzer": "ik_max_word",
"text": "中華人民共和國國歌"
}
我們指定分詞器為ik_max_word，文字內容為中華人民共和國國歌。我們看一下分詞的結果：
{
"tokens": [
{
"token": "中華人民共和國",
"start_offset": 0,
"end_offset": 7,
"type": "CN_WORD",
"position": 0
},
{
"token": "中華人民",
"start_offset": 0,
"end_offset": 4,
"type": "CN_WORD",
"position": 1
},
{
"token": "中華",
"start_offset": 0,
"end_offset": 2,
"type": "CN_WORD",
"position": 2
},
{
"token": "華人",
"start_offset": 1,
"end_offset": 3,
"type": "CN_WORD",
"position": 3
},
{
"token": "人民共和國",
"start_offset": 2,
"end_offset": 7,
"type": "CN_WORD",
"position": 4
},
{
"token": "人民",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 5
},
{
"token": "共和國",
"start_offset": 4,
"end_offset": 7,
"type": "CN_WORD",
"position": 6
},
{
"token": "共和",
"start_offset": 4,
"end_offset": 6,
"type": "CN_WORD",
"position": 7
},
{
"token": "國",
"start_offset": 6,
"end_offset": 7,
"type": "CN_CHAR",
"position": 8
},
{
"token": "國歌",
"start_offset": 7,
"end_offset": 9,
"type": "CN_WORD",
"position": 9
}
]
}
我們可以看到，分詞分的非常細，我們在使用上面的這些進行搜尋時，都可以搜尋到中華人民共和國國歌這個文字。我們再看一下另外一個分析器ik_smart，
POST _analyze
{
"analyzer": "ik_smart",
"text": "中華人民共和國國歌"
}
我們的文字內容同樣是中華人民共和國國歌，看一下分詞的效果，
{
"tokens": [
{
"token": "中華人民共和國",
"start_offset": 0,
"end_offset": 7,
"type": "CN_WORD",
"position": 0
},
{
"token": "國歌",
"start_offset": 7,
"end_offset": 9,
"type": "CN_WORD",
"position": 1
}
]
}
同樣的文字，使用ik_smart進行分詞時，只分成了兩個詞，和ik_max_word分詞器比少了很多。這就是兩個分詞器的區別，不過這兩個分析器都是可以對中文進行分詞的。
建立索引時指定IK分詞器
既然我們安裝了IK中文分詞器的外掛，那麼我們在建立索引時就可以為text型別的欄位指定IK中文分詞器了。來看看下面的例子，
PUT ik_index
{
"mappings": {
"properties": {
"id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
我們建立了索引ik_index，並且為欄位title指定了分詞器ik_max_word。我們執行一下，建立成功。然後我們再通過GET請求看一下這個索引的對映情況。
GET ik_index/_mapping
返回的結果如下：
{
"ik_index": {
"mappings": {
"properties": {
"id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}
我們可以看到title欄位的分析器是ik_max_word。
為索引指定預設IK分詞器
在上一節中，我們已經給大家介紹了為索引指定預設分詞器的方法，這裡我們直接把分詞器改為IK分詞器就可以了，如下：
PUT ik_index
{
"settings": {
"analysis": {
"analyzer": {
"default": {
"type": "ik_max_word"
}
}
}
}
}
這樣我們在索引中就不用建立每一個欄位，可以通過動態欄位對映，將String型別的欄位對映為text型別，同時分詞器指定為ik_max_word。我們試一下，向ik_index索引中新增一條記錄。
POST ik_index/_doc/1
{
"id": 1,
"title": "大興龐各莊的西瓜",
"desc": "大興龐各莊的西瓜真是好吃，脆沙瓤，甜掉牙"
}
執行成功。我們再執行搜尋試一下，如下：
POST ik_index/_search
{
"query": { "match": { "title": "西瓜" } }
}
我們搜尋title欄位匹配西瓜，執行結果如下：
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 1,
"relation": "eq"
},
"max_score": 0.2876821,
"hits": [
{
"_index": "ik_index",
"_type": "_doc",
"_id": "1",
"_score": 0.2876821,
"_source": {
"id": 1,
"title": "大興龐各莊的西瓜",
"desc": "大興龐各莊的西瓜真是好吃，脆沙瓤，甜掉牙"
}
}
]
}
}
我們可以看到剛才插入的那條記錄已經搜尋出來了，看來我們的IK中文分詞器起作用了，而且搜尋的結果也符合我們的預期。我們再看看搜尋西一個字的時候，能不能搜尋到結果，
POST ik_index/_search
{
"query": { "match": { "title": "西" } }
}
執行結果如下：
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 0,
"relation": "eq"
},
"max_score": null,
"hits": []
}
}
並沒有搜尋出結果，說明在進行分詞時，西瓜是作為一個詞出現的，並沒有拆分成每一個字，這也是符合我們預期的。
好了~ 這一節的IK中文分詞器就給大家介紹到這裡了~~