IK分詞器的安裝與使用IK分詞器建立索引

以前咱們建立索引，查詢數據，都是使用的默認的分詞器，分詞效果不太理想，會把text的字段分紅一個一個漢字，而後搜索的時候也會把搜索的句子進行分詞，因此這裏就須要更加智能的分詞器IK分詞器了。

1. ik分詞器的下載和安裝，測試

第一： 下載地址：https://github.com/medcl/elasticsearch-analysis-ik/releases ，這裏你須要根據你的Es的版原本下載對應版本的IK，這裏我使用的是6.3.2的ES，因此就下載ik-6.3.2.zip的文件。

第二： 解壓-->將文件複製到 es的安裝目錄/plugin/ik下面便可，完成以後效果以下：

到這裏已經完成了，不須要去elasticSearch的 elasticsearch.yml 文件去配置。

第三：重啓ElasticSearch

第四：測試效果

未使用ik分詞器的時候測試分詞效果：

POST book/_analyze
{
  "text": "我是中國人"
}
//結果是：
{
  "tokens": [
    {
      "token": "我",
      "start_offset": 0,
      "end_offset": 1,
      "type": "<IDEOGRAPHIC>",
      "position": 0
    },
    {
      "token": "是",
      "start_offset": 1,
      "end_offset": 2,
      "type": "<IDEOGRAPHIC>",
      "position": 1
    },
    {
      "token": "中",
      "start_offset": 2,
      "end_offset": 3,
      "type": "<IDEOGRAPHIC>",
      "position": 2
    },
    {
      "token": "國",
      "start_offset": 3,
      "end_offset": 4,
      "type": "<IDEOGRAPHIC>",
      "position": 3
    },
    {
      "token": "人",
      "start_offset": 4,
      "end_offset": 5,
      "type": "<IDEOGRAPHIC>",
      "position": 4
    }
  ]
}

使用IK分詞器以後，結果以下：

POST book_v6/_analyze
{
  "analyzer": "ik_max_word",
  "text": "我是中國人"
}
//結果以下：
{
  "tokens": [
    {
      "token": "我",
      "start_offset": 0,
      "end_offset": 1,
      "type": "CN_CHAR",
      "position": 0
    },
    {
      "token": "是",
      "start_offset": 1,
      "end_offset": 2,
      "type": "CN_CHAR",
      "position": 1
    },
    {
      "token": "中國人",
      "start_offset": 2,
      "end_offset": 5,
      "type": "CN_WORD",
      "position": 2
    },
    {
      "token": "中國",
      "start_offset": 2,
      "end_offset": 4,
      "type": "CN_WORD",
      "position": 3
    },
    {
      "token": "國人",
      "start_offset": 3,
      "end_offset": 5,
      "type": "CN_WORD",
      "position": 4
    }
  ]
}

對於上面兩個分詞效果的解釋：

1. 若是未安裝ik分詞器，那麼，你若是寫 "analyzer": "ik_max_word"，那麼程序就會報錯，由於你沒有安裝ik分詞器

2. 若是你安裝了ik分詞器以後，你不指定分詞器，不加上  "analyzer": "ik_max_word" 這句話，那麼其分詞效果跟你沒有安裝ik分詞器是一致的，也是分詞成每一個漢字。

2. 建立指定分詞器的索引

索引建立以後就可使用ik進行分詞了，當你使用ES搜索的時候也會使用ik對搜索語句進行分詞，進行匹配。

PUT book_v5
{
  "settings":{
    "number_of_shards": "6",
    "number_of_replicas": "1",  
     //指定分詞器  
    "analysis":{   
      "analyzer":{
        "ik":{
          "tokenizer":"ik_max_word"
        }
      }
    }
  },
  "mappings":{
    "novel":{
      "properties":{
        "author":{
          "type":"text"
        },
        "wordCount":{
          "type":"integer"
        },
        "publishDate":{
          "type":"date",
          "format":"yyyy-MM-dd HH:mm:ss || yyyy-MM-dd"
        },
        "briefIntroduction":{
          "type":"text"
        },
        "bookName":{
          "type":"text"
        }
      }
    }
  }
}

關於ik分詞器的分詞類型（能夠根據需求進行選擇）：

ik_max_word：會將文本作最細粒度的拆分，好比會將「中華人民共和國國歌」拆分爲「中華人民共和國,中華人民,中華,華人,人民共和國,人民,人,民,共和國,共和,和,國國,國歌」，會窮盡各類可能的組合；

ik_smart：會作最粗粒度的拆分，好比會將「中華人民共和國國歌」拆分爲「中華人民共和國,國歌」。以下：

POST book_v6/_analyze
{
  "analyzer": "ik_smart",
  "text": "我是中國人"
}
//結果
{
  "tokens": [
    {
      "token": "我",
      "start_offset": 0,
      "end_offset": 1,
      "type": "CN_CHAR",
      "position": 0
    },
    {
      "token": "是",
      "start_offset": 1,
      "end_offset": 2,
      "type": "CN_CHAR",
      "position": 1
    },
    {
      "token": "中國人",
      "start_offset": 2,
      "end_offset": 5,
      "type": "CN_WORD",
      "position": 2
    }
  ]
}