之前大家会发现，字段全部是用英文

其实我们用来进行搜索的，绝大多数，都是中文应用，很少做英文的
默认分词器standard：没有办法对中文进行合理分词的，只是将每个中文字符一个一个的切割开来，比如说中国人 --> 中国人

在搜索引擎领域，比较成熟和流行的中文分词起，就是ik分词器

中国人很喜欢吃油条

standard：中国人很喜欢吃油条
ik：中国人很喜欢吃油条

1、在elasticsearch中安装ik中文分词器

因为使用es的版本是5.6.0

（1）git clone https://github.com/medcl/elasticsearch-analysis-ik
（2）git checkout tags/v5.6.0
（3）mvn package

或者直接访问https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v5.6.0去下载

（4）将target/releases/elasticsearch-analysis-ik-5.6.0.zip拷贝到es/plugins/ik目录下

（5）在es/plugins/ik下对elasticsearch-analysis-ik-5.6.0.zip进行解压缩

（6）删掉压缩包，重启es

2、ik分词器基础知识

两种analyzer：ik_max_word、ik_smart，你根据自己的需要自己选，但是一般是选用ik_max_word

ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”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,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；

ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

ik_smart搜索共和国 --> 中华人民共和国和国歌，就搜不到了

3、ik分词器的使用

删除索引my_index

DELETE /my_index

创建索引，设置text使用ik_max_word

PUT /my_index
{"mappings": {"my_type": {"properties": {"text": {"type": "text","analyzer": "ik_max_word"}}}}
}

增加数据

POST /my_index/my_type/_bulk
{ "index": { "_id": "1"} }
{ "text": "男子偷上万元发红包求交女友 被抓获时仍然单身" }
{ "index": { "_id": "2"} }
{ "text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝" }
{ "index": { "_id": "3"} }
{ "text": "深圳女孩骑车逆行撞奔驰 遭索赔被吓哭(图)" }
{ "index": { "_id": "4"} }
{ "text": "女人对护肤品比对男票好？网友神怼" }
{ "index": { "_id": "5"} }
{ "text": "为什么国内的街道招牌用的都是红黄配？" }

响应结果

{"took": 61,"errors": false,"items": [{"index": {"_index": "my_index","_type": "my_type","_id": "1","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true,"status": 201}},{"index": {"_index": "my_index","_type": "my_type","_id": "2","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true,"status": 201}},{"index": {"_index": "my_index","_type": "my_type","_id": "3","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true,"status": 201}},{"index": {"_index": "my_index","_type": "my_type","_id": "4","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true,"status": 201}},{"index": {"_index": "my_index","_type": "my_type","_id": "5","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true,"status": 201}}]
}

测试分词器

GET /my_index/_analyze
{"text": "男子偷上万元发红包求交女友 被抓获时仍然单身","analyzer": "ik_max_word"
}

响应结果

{"tokens": [{"token": "男子","start_offset": 0,"end_offset": 2,"type": "CN_WORD","position": 0},{"token": "偷上","start_offset": 2,"end_offset": 4,"type": "CN_WORD","position": 1},{"token": "上万","start_offset": 3,"end_offset": 5,"type": "CN_WORD","position": 2},{"token": "万元","start_offset": 4,"end_offset": 6,"type": "CN_WORD","position": 3},{"token": "万","start_offset": 4,"end_offset": 5,"type": "TYPE_CNUM","position": 4},{"token": "元","start_offset": 5,"end_offset": 6,"type": "COUNT","position": 5},{"token": "发红包","start_offset": 6,"end_offset": 9,"type": "CN_WORD","position": 6},{"token": "发红","start_offset": 6,"end_offset": 8,"type": "CN_WORD","position": 7},{"token": "红包","start_offset": 7,"end_offset": 9,"type": "CN_WORD","position": 8},{"token": "求","start_offset": 9,"end_offset": 10,"type": "CN_CHAR","position": 9},{"token": "交","start_offset": 10,"end_offset": 11,"type": "CN_CHAR","position": 10},{"token": "女友","start_offset": 11,"end_offset": 13,"type": "CN_WORD","position": 11},{"token": "被","start_offset": 14,"end_offset": 15,"type": "CN_CHAR","position": 12},{"token": "抓获","start_offset": 15,"end_offset": 17,"type": "CN_WORD","position": 13},{"token": "时","start_offset": 17,"end_offset": 18,"type": "CN_CHAR","position": 14},{"token": "仍然","start_offset": 18,"end_offset": 20,"type": "CN_WORD","position": 15},{"token": "单身","start_offset": 20,"end_offset": 22,"type": "CN_WORD","position": 16}]
}

查询

GET /my_index/my_type/_search
{"query": {"match": {"text": "16岁少女结婚好还是单身好？"}}
}

响应结果

{"took": 6,"timed_out": false,"_shards": {"total": 5,"successful": 5,"skipped": 0,"failed": 0},"hits": {"total": 3,"max_score": 2.6093416,"hits": [{"_index": "my_index","_type": "my_type","_id": "2","_score": 2.6093416,"_source": {"text": "16岁少女为结婚“变”22岁 7年后想离婚被法院拒绝"}},{"_index": "my_index","_type": "my_type","_id": "4","_score": 1.3300087,"_source": {"text": "女人对护肤品比对男票好？网友神怼"}},{"_index": "my_index","_type": "my_type","_id": "1","_score": 0.26301134,"_source": {"text": "男子偷上万元发红包求交女友 被抓获时仍然单身"}}]}
}

30彻底掌握IK中文分词_上机动手实战IK中文分词器的安装和使用相关推荐

第50节：初识搜索引擎_上机动手实战多搜索条件组合查询
课程大纲 GET /website/article/_search { "query": { "bool": { "must": [ { & ...
mysql java中文乱码_解决Mysql+Java的中文乱码问题（学习心得）
最近几天一直都在学JSP,我用的数据库是Mysql.在连接数据库的过程中,刚开始我只是简单的执行了查询命令,发现从数据库取出的中文数据全部显示成了乱码,查了一些资料之后,我先用了下面的一个转换函数,值 ...
python 折线图中文乱码_彻底解决 Python画图中文乱码问题--Pyplotz组件
1 源起自从开始学习Python,就非常喜欢用来画图.一直没有需求画要中文显示信息的图,所以没有配置Python中文的环境.由于昨天就需要画几十个形式相同,只是数据不同的图,并且需要显示中文信息.如 ...
mysql怎么把表中的内容分词_用mysql数据库写的分词算法代码
我辛苦的整了几天才整好的拿来给大家分享一下希望可以帮助大家以下分为四步:每步都有注释说明的 #region 一.先从article表里查询数据 /// /// 一.先从article表里查询数据 ...
与自定义词典分词_使用jieba库进行中文分词、关键词提取、添加自定义的词典进行分词...
jieba库在中文分词中很常用,做一个简单的介绍和运用~ 需求1:打开本地的十九大报告文本,并采用jieba分词器进行分词,最后将分词结果存入名为segresult的文本文件中. 注释:①jieba库 ...
nltk中文分句_如何使用nltk进行中文分词？
匿名用户 1级 2016-04-18 回答中文里没有分词的说法,只有英文.法语.德语等有分词的说法. 分词是动词的三种非限定形式之一,分为两种:现在分词和过去分词.现在分词一般有四种形式,基本形式为 ...
python 英语分词_如何用Python做中文分词？
打算绘制中文词云图?那你得先学会如何做中文文本分词.跟着我们的教程,一步步用Python来动手实践吧. 需求在<如何用Python做词云>一文中,我们介绍了英文文本的词云制作方法.大家玩 ...
kodi没有中文设置_最完整的设置中文教程，不同平台
网友使用xbmc最多碰到的是关于xbmc 中文显示的问题,网上有一大堆的xbmc教程,我就做一下总结吧.) H" m$ r- B. V. E' K' _% V ' B: J: H/ m* C ...
ios请求头解决参数中文乱码_解决请求参数的中文乱码问题（get、post）
2018-11-28 在web请求与响应中,会遇到乱码问题,比如填写表单数据时,难免会输入中文,姓名.公司名称等.由于HTML设置了浏览器在传递请求参数时,采用的编码方式是UTF-8,但在解码时采用的 ...

30彻底掌握IK中文分词_上机动手实战IK中文分词器的安装和使用

1、在elasticsearch中安装ik中文分词器

2、ik分词器基础知识

3、ik分词器的使用

30彻底掌握IK中文分词_上机动手实战IK中文分词器的安装和使用相关推荐

最新文章

热门文章