ik 分词器

ik 分词器

什么是IK分词器 ?

分词：即把一-段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我爱中国”会被分为"我"、“爱”、“中”、“国”，这显然是不符合要求的，所以我们需要安装中文分词器 ik 来解决这个问题。

如果要使用中文,建议使用ik分词器!

IK提供了两个分词算法: ik_ smart 和 ik_ max_ word ,其中ik_ smart为最少切分, ik_ max_ _word为最细粒度划分!

 

ik 下载

ik分词器下载：https://github.com/medcl/elasticsearch-analysis-ik

注意：版本和Elasticsearch一致

---

不要下载错了（我测试的时候下载错了>_<，路径：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.9.2）

{下载没有打包的项目，需要你打包， 通过命令行进入ik分词pom所在目录下，依次输入 mvn clean、mvn compile、mvn package 命令，(可能会出现一些环境依赖的问题，具体看个人电脑)}

 

ik 使用

解压放置 Elasticsearch 的插件中

 

重启 elasticsearch ，可以看到 ik 分词器被加载了。

 

可以通过 elasticsearch-plugin list 这个命令来加载进来的插件

 

ik 测试

IK 提供了两个分词算法：ik_ smart 和 ik_ max_ word ，其中ik_ smart为最少切分，ik_ max_ _word为最细粒度划分！

如果使用中文：推荐IK分词器

两个分词算法：ik_smart（最少切分），ik_max_word（最细粒度划分）

ik_smart 最少切分（博客中不允许出现那几个字，所以处理了一下）

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "中国￥￥￥"
}

 

ik_max_word 最细粒度划分（博客中不允许出现那几个字，所以处理了一下）

GET _analyze
{
  "analyzer": "ik_max_word ",
  "text": "中国￥￥￥"
}

总结： ik_max_word 最细粒度划分！穷尽词库的可能！字典！

 

ik 词典自定义配置

为什么需要修改 ik 词典配置？

举例：

　　业务需要将 ”我要洗澡皮肤好好“ 这个词必须分为 {”我要洗澡“、”皮肤好好“} 的结果

默认的分词：

　　并不是我们需要的结果，所以需要创建自己的词典

发现的问题：当这种自己（或者业务）需要的词，需要自己加到我们的分词器的字典中！（my.dic 文件需要自己创建）

 

重启 elasticsearch，再次分词

总结：需要自己配置的分词，就在自己定义的dic文件中进行配置即可！