Elasticsearch 使用 IK Analysis 实现中文分词

## IK Analysis for Elasticsearch : [medcl / elasticsearch-analysis-ik][1]

### Install

1. 下载预[编译包][2]安装

在 *ElasticSearch* 根目录的 *plugins* 文件夹下创建 *ik* 文件夹。

```bash
  cd your-es-root/plugins/ && mkdir ik
  ```

解压下载的预编译包文件到 `your-es-root/plugins/ik`

2. 使用 *elasticsearch-plugin* 安装

```bash
  ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.3.0/elasticsearch-analysis-ik-6.3.0.zip
  ```

### 常见问题

1. 分词测试失败 请在某个索引下调用analyze接口测试,而不是直接调用analyze接口 如:

```bash
  curl -XGET "http://localhost:9200/your_index/_analyze" -H 'Content-Type: application/json' -d'
  {
     "text":"中华人民共和国MN","tokenizer": "my_ik"
  }'
  ```

1. *ik_max_word* 和 *ik_smart* 什么区别?

*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，适合 *Term Query*；

*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”，适合 *Phrase* 查询。

## SpringBoot & IK Analysis

### 实体定义

没有对应的索引时，会自动根据实体定义中的注解生成对应的索引。

> **注意**：仅在应用启动时会根据注解的设置生成索引。如果应用运行的过程中删除了索引，之后再向索引中新增数据时，仅会根据默认设置生成索引。如 *String* 类型会默认定义为 *keyword* 类型，也不会使用指定的分词设置。

```java
/**
* 名称
*/
@Field(store = true, index = true, type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_max_word")
private String title;
```

上面代码生成的 *field* 属性如下：

```json
{
    "mappings": {
        "elasticentitytype": {
            "properties": {
                "title": {
                    "analyzer": "ik_max_word",
                    "store": true,
                    "type": "text"
                }
            }
        }
    }
}
```

### 查询示例

```java
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery();
if (StringUtils.isNotEmpty(parameter.getKey())) {
    queryBuilder.should(QueryBuilders.matchQuery("title", parameter.getKey()));
}

Sort sort = Sort.by("createTime").descending();
Pageable pageable = PageRequest.of(parameter.getIndex() * parameter.getSize(), parameter.getSize(), sort);
Page<Blog> blogs = blogRepository.search(queryBuilder, pageable);
```

### [*matchPhraseQuery* 和 *matchQuery* 的区别][6]

`matchPhraseQuery` 和 `matchQuery` 等的区别，在使用 `matchQuery` 等时，在执行查询时，搜索的词会被分词器分词，而使用 `matchPhraseQuery` 时，不会被分词器分词，而是直接以一个短语的形式查询，而如果你在创建索引所使用的 *field* 的 *value* 中没有这么一个短语（顺序无差，且连接在一起），那么将查询不出任何结果。

[1]:https://github.com/medcl/elasticsearch-analysis-ik (github - medcl / elasticsearch-analysis-ik)
[2]:https://github.com/medcl/elasticsearch-analysis-ik/releases (github - medcl / elasticsearch-analysis-ik - release)
[3]:https://blog.csdn.net/chenxihua1/article/details/103311138 (springboot2.x 整合 elasticsearch 创建索引的方式)
[4]:https://blog.csdn.net/chenxihua1/article/details/94546282#commentBox (springboot整合elasticsearch5.x以及IK分词器做全文检索)
[5]:https://www.elastic.co/guide/cn/elasticsearch/guide/current/phrase-matching.html#phrase-matching (Elasticsearch: 权威指南 » 深入搜索 » 近似匹配 » 短语匹配)
[6]:https://www.cnblogs.com/songxingzhu/p/10066061.html (Java调用Elasticsearch API查询及matchPhraseQuery和matchQuery的区别)

Elasticsearch 使用 IK Analysis 实现中文分词

目录

关联

热门

最新