写点什么

es 笔记四之中文分词插件安装与使用

作者:Hunter熊
  • 2023-07-02
    北京
  • 本文字数:1194 字

    阅读完需:约 4 分钟

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:


PUT /exam/_doc/16{    "name" : "张三丰",    "address": "一个苹果"}
复制代码


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:


GET /exam/_search{  "query": {    "term": {      "address": "一个"    }  }}
复制代码


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:


GET /exam/_doc/16/_termvectors?fields=address
复制代码


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:


./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.0/elasticsearch-analysis-ik-7.6.0.zip
复制代码


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:


DELETE /exam/
PUT /exam
PUT /exam/_mapping{ "properties": { "address": { "type": "text", "analyzer": "ik_max_word", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "name": { "type": "keyword" } }}
复制代码


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:


PUT /exam/_doc/16{    "name" : "张三丰",    "address": "一个苹果"}
GET /exam/_search{ "query": { "term": { "address": "一个" } }}
复制代码


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:


GET /exam/_doc/16/_termvectors?fields=address
复制代码


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:


POST /_analyze{  "analyzer": "ik_smart",  "text": "一个苹果"}
复制代码


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

发布于: 刚刚阅读数: 3
用户头像

Hunter熊

关注

公众号:Hunter后端 2018-09-17 加入

Python后端工程师,欢迎互相沟通交流

评论

发布
暂无评论
es笔记四之中文分词插件安装与使用_中文分词_Hunter熊_InfoQ写作社区