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安装与使用
前面我们介绍的操作及演示都是基于英语单词的分词,但我们大部分使用的肯定都是中文,所以如果需要使用分词的操作肯定也是需要使用中分分词。
这里我们介绍一下如何安装中文分词插件。
在介绍安装之前,我们可以先来测试一下没有中文分词的分词效果,我们先来插入一条数据:
如果是中文分词,我们可以想到 '一个苹果' 应该会被分为 '一个' 和 '苹果' 这两个词,但是默认的分词是无法这样分词的,我们可以尝试搜索一下:
可以发现是无法搜索到结果的。
我们可以查看一下这条数据的 address 字段被分词的结果:
其中,_doc 后面的 16 是我们要查询的数据的 id,fields 后面跟着的要查看的分词结果的字段名。
可以看到 一个苹果 这个字符串,被挨个分成了四个。
然后我们来安装一下中文分词的插件。
安装中文分词插件
在 elasticsearch 安装的目录下,执行下面的语句:
这里我们安装的是 7.6.0 版本的 es,所以安装对应的分词插件。
然后我们重新建立这个 index,为 address 字段加上指定的分词插件:
挨个执行下面的命令:
这里,和第一次创建 mapping 的时候比,多了一行 analyzer 的定义。
然后我们再次重复上面的插入和查询操作:
可以看到,这次我们搜索 一个,就可以查询到数据了。
然后我们看下这条数据的 address 的分词结果:
可以看到,这次返回的结果除了单独的 '一' 和 '个' 之外,还有被分成整体的 '一个' 和 '苹果'。
查看分词结果
这里额外介绍一下如何查看字符串的分词。
如果我们有一个字符串,想要知道它会被如何分词,可以直接使用下面的命令:
其中,analyzer 是指定的分词的插件,如果不指定就会使用默认的分词功能。
中文分词插件的 github 地址如下:https://github.com/medcl/elasticsearch-analysis-ik
版权声明: 本文为 InfoQ 作者【Hunter熊】的原创文章。
原文链接:【http://xie.infoq.cn/article/096af1b073c779521392c8fb6】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论